您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Exponential stability of BAM neural networks with delays via joint periodically intermittent and impulsive control

  2. 时滞双向联想记忆神经网络的指数稳定性:联合周期间歇反馈脉冲控制,胡建强,梁金玲,本文研究了一类在联合周期间歇反馈脉冲控制策略下的带有离散时滞的双向联想记忆神经网络的指数稳定性问题。与此同时,系统中的李�
  3. 所属分类:其它

    • 发布日期:2020-02-20
    • 文件大小:390144
    • 提供者:weixin_38529397
  1. 具有离散和分布时变时滞的脉冲正切换系统的指数稳定性

  2. 具有离散和分布时变时滞的脉冲正切换系统的指数稳定性
  3. 所属分类:其它

    • 发布日期:2021-03-15
    • 文件大小:474112
    • 提供者:weixin_38645198
  1. 具有随机扰动的中立型马尔可夫跳跃脉冲时滞神经网络的新型鲁棒指数稳定性

  2. 研究了一类具有马尔可夫参数和混合时变时滞的不确定中立型脉冲随机神经网络的鲁棒指数稳定性问题。 通过构造适当的指数型Lyapunov-Krasovskii泛函并采用Jensen积分不等式,自由权矩阵方法,在系统中建立了一些新的依赖于时滞的稳定准则,以确保所考虑网络的平凡解的鲁棒指数稳定性均方。线性矩阵不等式(LMI)的形式。 提出的结果不需要离散和分布的时变延迟的导数为0或小于1。此外,与相关方法相比,提出的方法的主要贡献在于使用了三种类型的脉冲。 最后,通过两个数值例子验证了我们的理论结果相对于
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:1048576
    • 提供者:weixin_38699302
  1. 具有马尔可夫切换和时变混合时滞的脉冲随机神经网络的鲁棒指数稳定性

  2. 本文研究了一类具有马尔可夫切换,混合时变时滞和参数不确定性的脉冲随机神经网络的鲁棒指数稳定性问题。 通过构造一个新颖的Lyapunov-Krasovskii泛函,并使用线性矩阵不等式(LMI)技术,Jensen积分不等式和自由权矩阵方法,导出了LMI形式的几个新颖的充分条件,以确保在均方根下的鲁棒指数稳定性。所考虑系统的平凡解决方案。 由于考虑了参数不确定性,离散和分布式时变延迟的导数不必为0或小于1,因此本文获得的结果改进了许多已知的结果。最后,给出了三个说明性示例证明了所提方法的有效性。
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:706560
    • 提供者:weixin_38742460
  1. 时滞脉冲离散系统的指数稳定性

  2. 本文的目的是研究具有时滞的脉冲离散系统的全局指数稳定性。 通过使用Lyapunov函数,提供了许多新的全局指数稳定性准则。 结果表明,具有时间延迟的离散系统即使自身可能不稳定,也可以通过脉冲整体地稳定。 还提供了一些示例来说明所获得结果的有效性和优越性。
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:262144
    • 提供者:weixin_38500944
  1. 具有参数不确定性的离散时滞脉冲系统的鲁棒指数稳定性

  2. 具有参数不确定性的离散时滞脉冲系统的鲁棒指数稳定性
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:165888
    • 提供者:weixin_38725450