陈 超
(集美大学理学院,福建 厦门 361021)
联想记忆神经网络模型是一类常用的神经元网络,具有信息记忆和信息联想的特点。文献[1]将单层联想记忆神经网络推广到双层双向结构,建立了双向联想记忆(bidirectional associative memory,BAM)网络。近年来,由于神经网络在模式识别、自动控制以及组合优化等领域中的广泛应用,它已经成为国内外学者的研究热点之一。BAM神经网络可以用下面的常微分方程来表示:
(1)
考虑到神经网络中无处不在的时滞性,文献[2]在 BAM神经网络中引入了时滞的情况,研究了下面的时滞微分方程:
(2)
文献[3-9]研究了含时滞的BAM神经网络的稳定性问题。
由于在电子网络实现过程中,经常出现频率变化和开关转换,这必将引起系统状态出现瞬动,即脉冲现象。甚至为了控制网络的动态行为,人们还施加脉冲效应来达到控制的目的。因此,考虑BAM神经网络的脉冲效应是有必要并具有实际价值的。然而,少有学者考虑到具有连续分布时滞和脉冲的BAM神经网络平衡点的全局指数稳定性。本文受到文献[10-14]的启发,讨论了具有连续分布时滞和非线性脉冲的BAM神经网络的稳定性问题。
考虑如下具有连续分布时滞和非线性脉冲的BAM神经网络模型:
(3)
系统(3)还满足下面的初始条件:xi(s)=φi(s),s∈(-∞,0],i∈Λ1,yj(s)=ψj(s),s∈(-∞,0],j∈Λ2,其中φi(t),ψj(t)是定义在(-∞,0]上的有界连续函数。
定义1 实矩阵H=(hij)n×n称为非奇异M-矩阵,如果H满足:H=αE-P,α>0,P≥0,其中α>ρ(P),ρ(P)为矩阵P的谱半径。
(4)
引理2[16]设矩阵H是n阶非负矩阵,并且ρ(H)<1,则有(En-H)-1≥0,其中ρ(H)表示矩阵H的谱半径。
证明考虑映射Φ:Rn+m→Rn+m,
(5)
引理3 假设α,β,γ为正的常数,函数f(x) 满足下面的脉冲微分不等式
(6)
(7)
则有
(8)
接下来,要证明当t∈[t0,t1) 时,
(9)
设
(10)
(11)
进一步,可以断言,当t∈[t1,t2) 时,
(12)
即有
(13)
D+Ω(t**)>0。
(14)
(15)
即有
(16)
证毕。
证明设z(t)=(x1(t),x2(t),…,xn(t),y1(t),y2(t),…,ym(t))T为式(3)的任意一个解,由 (H2)和(H3)可得:
(17)
(18)
考虑如下具有连续分布时滞和脉冲的BAM神经网络:
(19)
通过计算可知,式(19) 满足定理1和定理2的条件,所以式(19) 存在唯一的全局指数稳定的平衡点。