nach oben

Neural Computing and Applications

Erschienen in:

01.04.2015 | Original Article

Convergence dynamics of stochastic reaction–diffusion neural networks with impulses and memory

verfasst von: Jun Peng, Zaiming Liu, Meirui Zhong

Erschienen in: Neural Computing and Applications | Ausgabe 3/2015

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

This paper deals with the problem of global stability of stochastic reaction–diffusion neural networks with impulses. The influence of diffusions, noises, delays, impulses, and Levy jumps upon the stability of the concerned system is discussed. A sufficient condition is obtained to ensure the existence, uniqueness, and exponential p-stability of the equilibrium point of the addressed stochastic reaction–diffusion neural networks with impulses by using M-matrix theory and stochastic analysis. The proposed results extend those in the earlier literature and are easier to verify.

Vorheriger Artikel Nonstationary regression with support vector machines

Nächster Artikel Online dynamic security assessment of microgrids before intentional islanding occurrence

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Arnold L (1972) Stochastic differential equations: theory and applications. Wiley, New York

Zhong MR, Chen JY, Zhu XH, Huang JB (2013) Strategic equilibrium price analysis and numerical simulation of preponderant high-tech metal mineral resources. Trans Nonferrous Metals Soc China 23:3153–3160CrossRef

Grossberg S (1988) Nonlinear neural networks: principles, mechanisms and architectures. Neural Netw 1:17–61CrossRef

Zhu Q, Song B (2011) Exponential stability of impulsive nonlinear stochastic differential equations with mixed delays. Nonlinear Anal RWA 12:2851–2860CrossRefMATHMathSciNet

Haykin S (1994) Neural networks. Prentice-Hall, Englewood Cliffs, NJMATH

Applebaum D (2004) Levy processes and stochastic calculus. Cambridge University Press, Cambridge, MACrossRefMATH

Chen Z, Liu B (2013) Convergence behavior of Cohen–Grossberg neural networks with time-varying delays in the leakage terms. Neurocomputing 120:518–523CrossRef

Liu Z, Peng J (2010) Delay-independent stability of stochastic reaction–diffusion neural networks with Dirichlet boundary conditions. Neural Comput Appl 19:151–158CrossRef

Qiu J (2007) Exponential stability of impulsive neural networks with time-varying delays and reaction–diffusion terms. Neurocomputing 70:1102–1108CrossRef

10.

Song Q, Cao J, Zhao Z (2006) Periodic solutions and its exponential stability of reaction–diffusion recurrent neural networks with continuously distributed delays. Nonlinear Anal RWA 7:65–80CrossRefMATHMathSciNet

11.

Akhmet MU, Beklioglu M, Ergenc T, Tkachenko VI (2006) An impulsive ratio-dependent predator–prey system with diffusion. Nonlinear Anal RWA 7:1255–1267CrossRefMATHMathSciNet

12.

Lakshmikantham V, Bainov DD, Simeonov PS (1989) Theory of impulsive differential equations. World Scientific, SingaporeCrossRefMATH

13.

Song Q, Wang Z (2008) Stability analysis of impulsive stochastic Cohen–Grossberg neural networks with mixed time delays. Phys A 387:3314–3326CrossRef

14.

Kwon O, Park M, Lee S, Cha E (2013) New criteria on delay-dependent stability for discrete-time neural networks with time-varying delays. Neurocomputing 121:179–184CrossRef

15.

Cao JD, Rong LB (2004) Boundedness and stability for Cohen–Grossberg neural networks with time-varying delays. J Math Anal Appl 296:665–685CrossRefMATHMathSciNet

16.

Karatzas I, Shreve S (1991) Brownian motion and stochastic calculus. Springer, BerlinMATH

Titel: Convergence dynamics of stochastic reaction–diffusion neural networks with impulses and memory
verfasst von: Jun Peng
Zaiming Liu
Meirui Zhong
Publikationsdatum: 01.04.2015
Verlag: Springer London
Erschienen in: Neural Computing and Applications / Ausgabe 3/2015
Print ISSN: 0941-0643
Elektronische ISSN: 1433-3058
DOI: https://doi.org/10.1007/s00521-014-1745-3

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Springer Professional "Technik"

Springer Professional "Wirtschaft+Technik"

Weitere Artikel der Ausgabe 3/2015

A study of visual behavior of multidimensional scaling for kernel perceptron algorithm

RETRACTED ARTICLE: Improved cuckoo search algorithm using dimensional entropy gain

Stable fuzzy logic control of a general class of chaotic systems

Soft variable structure controller design for constrained systems based on S-class functions

Large, high-dimensional, heterogeneous multi-sensor data analysis approach for process yield optimization in polymer film industry

Projection-optimal local Fisher discriminant analysis for feature extraction

Premium Partner