朝基奥伊提;马霍巴·本·雷泽格 脉冲多向联想记忆神经网络：新结果。 （英语） Zbl 07439921号 国际生物数学杂志。 14，第7号，文章ID 2150060，34 p.（2021）. 摘要：提出了一种具有时变时滞和泄漏时滞的脉冲多向联想记忆神经网络（IMAMNN）。通过使用重合度理论的延拓定理和微分不等式技巧，我们为本文所考虑模型的反周期解的存在性和指数稳定性建立了新的条件，通过两个算例及其数值模拟，验证了结果的有效性。 引用于4文件 MSC公司： 68泰克 人工智能 关键词：多向联想记忆神经网络;反周期解;泄漏延迟;脉冲效应;全局指数稳定性 PDF格式BibTeX公司 XML格式引用 \textit{C.Aouiti}和\textit{M.B.Rezeg}，国际生物数学杂志。14，第7号，文章ID 2150060，34页（2021；Zbl 07439921） 全文： 内政部 参考文献： [1] Kosko，B.，双向联想存储器，IEEE Trans。系统。《人类网络》18（1）（1988）49-60。 [2] Li，B.，Wang，F.和Zhao，K.，2d半耗散Boussinesq方程的大时间动力学，非线性33（5）（2020）2481-2501·兹比尔1481.35334 [3] Aouti，C.，Gharbia，I.B.，Cao，J.，M'hamdi，M.S.和Alsadei，A.，泄漏项中具有时变时滞的中立型时滞BAM神经网络伪概周期解的存在性和全局指数稳定性，混沌，孤子，分形107（2018）111-127·Zbl 1380.92006年 [4] Aouti，C.，Rezeg，M.B.和Cao，Y.，脉冲型惯性双向联想记忆神经网络的新结果，Front。通知。技术。电子。工程21（2020）324-339。 [5] Aouti，C.、Assali，E、Cao，J.和Alsadei，A.，具有多比例延迟、分布延迟和泄漏延迟中的时变延迟的中立型竞争神经网络的全局指数收敛，国际期刊系统。科学49（10）（2018）2202-2214·Zbl 1482.93510号 [6] Aouti，C.，脉冲中立型时滞广义高阶Hopfield神经网络的振动，神经计算。申请29（9）（2018）477-495。 [7] Aouiti，C.和Assali，E.A.，一类具有分布延迟和泄漏时变延迟的脉冲双向联想记忆（BAM）神经网络的稳定性分析，神经过程。Lett.50（1）（2019）851-885。 [8] Huang，C.，Su，R.，Cao，J.和Xiao，S.，具有比例延迟和D算子的渐近稳定高阶中性细胞神经网络，数学。计算。模拟171（2020）127-135·Zbl 1510.92014年 [9] Huang，C.和Liu，B.，涉及非降阶方法的惯性神经网络动态分析的新研究，Neurocomputing325（2019）283-287。 [10] Huang，C.、Long，X.、Huang、L.和Fu，S.，涉及斑块结构和死亡率项的概周期Nicholsons苍蝇模型的稳定性，加拿大数学。公告63（2）（2020）405-422·Zbl 1441.34088号 [11] Huang，C.X.，Zhang，H.和Huang and L.H.，具有非线性密度相关死亡率项的延迟Nicholson苍蝇模型的几乎周期性分析，Commun。纯应用程序。分析18（6）（2019）3337-3349·Zbl 1493.34221号 [12] Huang，C.，Yang，X.和Cao，J.，具有两种不同延迟的Nicholson苍蝇方程的稳定性分析，数学。计算。模拟171（2020）201-206·Zbl 1510.92163号 [13] Huang，C.，Yang，Z.，Yi，T.和Zou，X.，关于一类具有非单调双稳态非线性的时滞微分方程的吸引盆地，J.differential Equations256（7）（2014）2101-2114，https://doi:10.1016/j.jde.2013.015。 ·Zbl 1297.34084号 [14] Huang，C.，Cao，J.，Wen，F.和Yang，X.，复杂网络上分布式延迟SIR模型的稳定性分析，PLoS ONE11（8）（2016）e0158813，https://doi.org/10.1371/journal.pone.0158813。 [15] Huang，C.和Zhang，H.，涉及比例延迟和非降阶方法的非自治惯性神经网络的周期性。G、 《国际生物数学杂志》，12（2）（2019），文章编号：1950016，13 pp。，https://doi:10.3934/dcds.2018191。 ·Zbl 1409.34038号 [16] Huang，C.，Long，X.，X和Cao，J.，具有多比例延迟的反周期递归神经网络的稳定性，数学。方法应用。《科学》第43（9）（2020）6093-6102页·Zbl 1456.34071号 [17] Huang，C.、Zhang，H.、Cao，J.和Hu，H.，捕食者疾病时滞前捕食者模型的稳定性和Hopf分岔，国际分岔混沌29（2019）文章编号：1950091，23 pp·兹比尔1425.34093 [18] 黄，C.，文，S.和黄，L.，具有多比例延迟的分流抑制细胞神经网络的反周期解动力学，神经计算357（2019）47-52。 [19] 黄C.、文S.、李M.、文F.和杨X.股市网络影响节点的实证评估：中国A股案例，金融研究快报38（2021），https://doi.org/10.1016/j.frl.2020.101517。 [20] Huang，C.，Yang，H.，Cao，J.，Huang、C.、Yang、H.，曹，J.带D算子的多比例延迟分流抑制细胞神经网络的加权伪概周期，离散Contin。动态。系统。序列号。S14（4）（2021）1259-1272·Zbl 1475.92016年 [21] Huang，C.，Yang，L.和Cao，J.，一类种群动力学的渐近行为，AIMS数学5（2020）3378-3390·Zbl 1484.92073号 [22] Qian，C.，一类具有多个不同延迟的Nicholson苍蝇模型的新周期稳定性，国际期刊控制（2020）1-13，https://doi:10.1080/0207179.2020.1766118。 [23] Qian，C.和Hu，Y.，渐近概周期环境中非线性密度相关死亡率Nicholson苍蝇系统的新稳定性准则，J.Inequal。申请13（2020年），https://doi.org/10.1186/s13660-019-2275-4。 ·Zbl 1503.37094号 [24] Song，C.，Fei，S.，Cao，J.和Huang，C.，基于输出反馈滑模控制的分数阶不确定混沌系统的鲁棒同步，Mathematics7（2019）599，https://doi:10.3390/math7070599。 [25] Liu，F.W.，Feng，L.B.，Anh，V.和Li，J.，不规则凸域上二维多项时空分数阶Bloch-Torrey方程的非结构网格Galerkin有限元方法，计算。数学。申请78（2019）1637-1650·Zbl 1442.65268号 [26] Delvos，F.J.和Knoche，L.，用反周期三角多项式进行Lacunary插值，BIT39（1999）439-450·Zbl 0931.42003号 [27] Rajchakit，G.，Pratap，A.，Raja，R.，Cao，J.，Alzabut，J.和Huang，C.，具有混合延迟的Riemann-Liouville感测分数阶记忆BAM神经网络投影滞后同步的混合控制方案，Mathematics7（8）（2019）759，http://dx.doi.org/10.3390/math7080759。 [28] Hu，H.，Yuan，X.，Huang，L.和Huang（C.），具有人口统计学和异质网络上从传染性到易感的sirs模型的全球动力学，数学。Biosci公司。Eng.16（2019）5729-5749，http://dx.doi.org/10.3934/mbe.2019286。 ·Zbl 1497.92262号 [29] Hu，H.，Yi，T.和Zou，X.，关于具有变化环境的Fisher-KPP方程的时空动力学，Proc。阿默尔。数学。Soc.148（2020）213-221·Zbl 1430.35140号 [30] Hu，H.J.，Zou，X.F.，具有移动栖息地的Fisher方程中灭绝波的存在，Proc。阿默尔。数学。Soc.145（11）（2017）4763-4771·Zbl 1372.34057号 [31] Chen，H.L.，反周期小波。J.计算。数学14（1996）32-39·Zbl 0839.42014号 [32] 秦，H.，刘，J.，左，X.，X和刘，L.，抽象空间中分数演化系统的近似可控性和最优控制，Adv.Differ。等式1（2014）1-22·Zbl 1346.49006号 [33] Okochi，H.，关于与奇次微分算子相关的非线性发展方程反周期解的存在性，J.Funct。分析91（1990）246-258·Zbl 0735.35071号 [34] Zhang，H.，三维霍尔磁流体动力学全球大型光滑解，离散Contin。动态。系统39（2019）6669-6682·Zbl 1428.35411号 [35] Zhang，H.，Cao，Q.，Yang，H.、涉及斑块结构的时滞Nicholson型系统的渐近几乎周期性，J.不等式。申请2020（2020）1-27·兹比尔1503.34132 [36] 霍普菲尔德，J.J.，《具有涌现集体计算能力的神经网络和物理系统》，Proce。国家。阿卡德。科学79（8）（1982）2554-2558·Zbl 1369.92007号 [37] Huang，J.和Hagiwara，M.，《组合多赢家多向联想记忆》，《神经计算》48（2002）369-389·Zbl 1006.68743号 [38] Li，J.，Ying，J.Y.，Xie，D.X.，关于离子尺寸修正的泊松-玻耳兹曼方程的分析和应用，非线性分析。《真实世界应用》47（2019）188-203·Zbl 1412.78003号 [39] Tian，J.和Wei，Y.，环形区域中具有混合边值的渐近线性椭圆方程的径向解，J.Appl。分析。计算10（6）（2020）2787-2805·Zbl 1479.35470号 [40] Wang，J.，He，S.和Huang，L.，节点焦点或节点中心型平面分段线性系统中阈值非线性诱导的极限环，国际分岔混沌30（11）（2020），文章编号：2050160，13 pp。，https://doi.org/10.1142/S0218127420501606。 ·Zbl 1478.34037号 [41] Wang，J.F.，Huang，C.X.，Hung，L.H.，鞍-焦点型一般平面分段线性系统中的间断诱导极限环，非线性分析。混合系统33（2019）162-178·Zbl 1431.34020号 [42] Wang，J.，Chen，X.和Huang，L.，节点鞍型平面分段线性系统极限环的数量和稳定性，J.Math。分析。申请469（1）（2019）405-427·Zbl 1429.34037号 [43] Wang，J.，He，S.和Huang，L.，节点焦点或节点中心型平面分段线性系统中阈值非线性诱导的极限环，国际分岔混沌30（11）（2020）2050160，https://doi.org/10.1142/S0218127420501606。 ·Zbl 1478.34037号 [44] Zhang，J.和Huang，C.，一类包含惯性项的时滞神经网络的动力学分析，Adv.Differ。方程120（2020）1-12·Zbl 1482.34177号 [45] Gopalsamy，K.，BAM中的泄漏延迟，J.Math。分析。申请325（2007）1117-1132·Zbl 1116.34058号 [46] Feng，L.B.，Zhuang，P.，Liu，F.，Turner，I.，Anh，V.，Li，J.，变系数双边空分扩散方程的快速二阶精确方法，计算。数学。申请73（2017）1155-1171·Zbl 1412.65072号 [47] Berezansky，L.和Braverman，E.，关于具有两个时滞的Mackey-Glass方程稳定性的注记，J.Math。分析。申请450（2017）1208-1228，https://doi.org/10.1016/j.jmaa.2017.01.050; MR3639098·Zbl 1381.34093号 [48] Xiang，L.，Guo，G.，Yu，J.，Sheng，V.S.和Yang，P.，基于卷积神经网络的同义词替换隐写术语言隐写分析，数学。Biosci公司。工程17（2）（2020）1041-1058·Zbl 1470.94025号 [49] Yan，L.，Luo，Z.和Liu，J.，具有Sturm-Liouville边界条件的二阶脉冲微分方程解的多重性，高级差分方程（1）（2014）1-13，https://doi:10.1186/1687-1847-2014-49. ·Zbl 1417.34042号 [50] Bohner，M.，Fan，M.和Zhang，J.，捕食者-食饵和竞争动力系统周期解的存在性，非线性分析。《真实世界应用》7（5）（2006）1193-1204·Zbl 1104.92057号 [51] Hagiwara，M.，《多向联想记忆》，摘自Proc。Int.Joint Conf.Neural Networks，第1卷，华盛顿特区，1990年，第3-6页。 [52] M'hamdi，M.S.，具有混合延迟的多向联想记忆神经网络的伪几乎自守解，神经过程。Lett.49（3）（2019）1567-1592。 [53] Wang，M.，Zhou，T.和Fang，H.，时变时滞MAM神经网络的全局指数稳定性，国际计算智能与软件工程会议，2010年，第1-4页，https://doi.org/10.109/CISE.2010.5676984。 [54] Cao，Q.，Wang，G.和Qian，C.，涉及时变时滞的周期Nicholson苍蝇模型全局指数稳定性的新结果，高级微分方程2020（2020）1-12·Zbl 1487.34137号 [55] Cao，Q.和Guo，X.，涉及时变延迟的高阶惯性Hopfield神经网络的反周期动力学，AIMS Math.5（2020）5402-5421·Zbl 1484.34102号 [56] Zhou，Q.和Shao，J.，具有混合延迟的加权伪反周期SICN，神经计算。申请29（10）（2018）865-872。 [57] Gaines，R.E.和Mawhin，J.，《重合度和非线性微分方程》，第568卷（柏林斯普林格出版社，1977年）·Zbl 0339.47031号 [58] 陈绍，高浩，多值指数多向联想记忆，J.Softw.9（1998）397-400。 [59] Longn，X.和Gong，S.，关于具有多对时变时滞的Nicholson苍蝇方程稳定性的新结果，Appl。数学。Lett.100（2020）106027，6页。，https://doi:10.1016/j.aml.2019.106027。 ·Zbl 1427.93207号 [60] Yang，X.，Wen，S.，Liu，Z.，Li，C.和Huang，C.，外汇复杂网络的动态特性，数学7（9）（2019）1-19。 [61] Zhang，X.和Hu，H.，临界中立型泛函微分方程组的收敛性，应用。数学。Lett.107（2020）106385，https://doi.org/10.1016/j.aml.2020.106385。 ·Zbl 1445.34110号 [62] 高，X.，刘，F.，李，H.，刘，Y.，Turner，I.和Yin，B.，二维分布阶时间分数阶Cable方程的新型有限元方法，计算。数学。申请80（5）（2020）923-939·Zbl 1447.65072号 [63] Cho，Y.J.和Chen，Y.Q.，拓扑度理论与应用（CRC出版社，2006）·Zbl 1095.47001号 [64] Jiang，Y.和Xu，X.，时间分数阶Fokker-Planck方程的单调有限体积法，科学。中国数学62（4）（2019）783-794·Zbl 1426.65139号 [65] Li，Y.，Yang，L.和Wu，W.，时间尺度上具有时变泄漏延迟的脉冲BAM神经网络的反周期解，Neurocomputing149（2015）536-545。 [66] Li，Y.和Xiang，J.，Clifford值惯性Cohen-Grossberg时滞神经网络反周期解的存在性和全局指数稳定性，神经计算332（2019）259-269。 [67] Li，Y.，Chen，X.和Zhao，L.，时滞Cohen-Grossberg BAM神经网络在时间尺度上脉冲的稳定性和周期解的存在性，神经计算72（7-9）（2009）1621-1630。 [68] Ke，Y.和Miao，C.，时滞惯性神经网络的反周期解，神经过程。Lett.45（2）（2017）523-538。 [69] Xu，Y.，Cao，Q.和Guo，X.，涉及显著延迟的补丁结构Nicholson苍蝇系统的稳定性，应用。数学。Lett.105（2020）106340·Zbl 1436.92011号 [70] Wang，Y.，Wang，M.和Zhou，T.，一类多向联想记忆神经网络模型周期解的存在性、唯一性和全局指数稳定性，神经计算。申请26（4）（2015）979-986。 [71] Cai，Z.W.，Huang，J.H.和Hung，L.H.，延迟微分包含的广义Lyapunov-Razumikhin方法：在不连续神经网络中的应用，离散Contin。动态。系统22B（9）（2017）3591-3614·Zbl 1371.34107号 [72] Cai，Z.W.，Huang，J.H.和Hung，L.H.，时滞Filippov系统的周期轨道分析，Proc。阿默尔。数学。Soc.146（11）（2018）4667-4682·Zbl 1400.34108号 [73] Long，Z.，关于泄漏项中具有振荡系数的SICNN的反周期解的新结果，Neurocomputing171（2016）503-509。 [74] 具有振荡系数和分布时滞的MAM的长、Z、伪概周期解，神经过程。Lett.49（2）（2019）467-479。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。