具有周期输入Hopfield型神经网络的全局渐近性质  

On the Asymptotic Behavior of Hopfield Neural Network With Periodic Inputs

作　　者：向兰[1] 周进[1] 刘曾荣[2] 孙姝[3] 

机构地区：[1]河北工业大学物理系,天津300130 [2]上海大学数学系,上海200436 [3]海军潜艇学院数学研究室,青岛266071

出　　处：《应用数学和力学》2002年第12期1220-1226,共7页Applied Mathematics and Mechanics

摘　　要：在不假定非线性激励函数有界和可微的条件下 。Without assuming the boundedness and differentiability of the nonlinear activation functions,the new sufficient conditions of the existence and the global exponential stability of periodic solutions for Hopfield neural network with periodic inputs are given by using Mawhin's coincidence degree theory and Liapunov's function method.

关 键 词：HOPFIELD型神经网络 全局渐近性质 周期解 全局指数稳定 重合度 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] O175[自动化与计算机技术—控制科学与工程]