米·周;刘晓兰 关于求解变分不等式的神经网络稳定性的结果。 （英语） Zbl 1356.92007号 停止。非线性复合。 5，第4号，341-353（2016）. 摘要：本文分析并证明了Yashtini和Malek提出的神经网络在映射连续可微且映射的Jacobian矩阵为半正定时的全局Lyapunov稳定性。此外，该神经网络在较强的条件下是指数稳定的。特别地，稳定性结果可以应用于线性约束和有界约束的变分不等式的稳定性分析。一些实例表明，所提出的神经网络可以用于解决各种非线性优化问题。新的结果改进了文献中已有的结果。 MSC公司： 92B20型 生物研究、人工生命和相关主题中的神经网络 93D05型 李亚普诺夫和控制理论中的其他经典稳定性（拉格朗日、泊松、（L^p、L^p）等） 49J40型 变分不等式 关键词：变分不等式;神经网络;正半定;连续可微的;指数稳定性 PDF格式BibTeX公司 XML格式引用 \textit{M.Zhou}和\textit{X.L.Liu}，中止。非线性复合。5，第4号，341--353（2016；Zbl 1356.92007） 全文： 内政部