在这篇论文,全球指数的稳定性分析的问题与变化时间的分离、分布式的延期为周期性的神经网络(RNN ) 的一个班被调查。由于一种新奇技术当估计 Lyapunov 的衍生物的上面的界限时功能,我们以 LMI 建立新指数的稳定性标准。获得的标准能比一些存在的提供不太保守的结果,这被显示出。数字例子被给显示出建议结果的有效性。关键词神经网络 - 变化时间的延期 - 指数的稳定性 - 线性矩阵不平等(LMI ) 这个工作被中国的国家自然科学基础支持(号码 60674027,号码 60974127 ) 并且中国(号码 208074 ) 的教育部的关键工程。元元吴收到了她的 B。Sc。并且 M。Sc。从在河南省师范大学的数学和信息的学院的学位, Xinxiang,在 2003 和 2006 的中华人民共和国分别地。她现在是自动化的学校里的一个博士候选人,东南大学,南京,中华人民共和国。她的研究兴趣包括单个系统,推迟的系统,和神经网络。道李在东南大学从自动化的学院收到了博士学位,南京,在 2008 的中华人民共和国。他现在是在信息和通讯的系的一个讲师,信息科技的南京大学,南京,中华人民共和国。他的研究兴趣包括神经网络和差错诊断。吴玉锵从东南大学在自动控制收到了博士学位,南京,在 1994 的中华人民共和国。当前,他是在自动化的研究所的一个教授, Qufu 师范大学, Qufu,中华人民共和国。他的研究兴趣包括可变结构控制和非线性的系统控制。
In this paper, the problem of the global exponential stability analysis is investigated for a class of recurrent neural networks (RNNs) with time-varying discrete and distributed delays. Due to a novel technique when estimating the upper bound of the derivative of Lyapunov functional, we establish new exponential stability criteria in terms of LMIs. It is shown that the obtained criteria can provide less conservative results than some existing ones. Numerical examples are given to show the effectiveness of the proposed results.