周立群,宋协慧
(天津师范大学数学科学学院 天津 西青区 300387)
时滞递归神经网络(DRNNs)基于在联想记忆、优化控制、图像处理等领域的应用而被广泛研究。在这些应用中大多数都需要DRNNs 是稳定的,指数稳定性作为DRNNs 的一种重要的动力学性质[1-4],它的特征之一是Lyapunov 指数不等于0。然而大多数情况下,DRNNs 的最大Lyapunov 指数是等于零的,其状态轨迹渐近趋于平衡点,即此时DRNNs 是渐近稳定的[5-7]。
多项式稳定性是一种特殊的稳定性,它同指数稳定性一样蕴含着渐近稳定性,但其收敛速度比指数稳定性慢一些。它的特征之一就是其最大的Lyapunov 指数等于零。目前,这种系统的多项式稳定性研究较少,只有某些系统在某些特殊情况下才具有多项式稳定性,如波动方程[8-9]和随机微分方程[10-14]。需要说明的是,这里的多项式稳定性不是指对于一个多项式来研究这个多项式的稳定性,而是因为某些系统的解的估计式中含有t-λ(t≥t0, λ >0),类似于多项式,故称这种稳定性为多项式稳定性,具体见下文的定义。
由上所述,某种DRNNs 是否具有多项式稳定性?文献[15]回答了这个问题,文中给出了比例时滞递归神经网络(RNNs)多项式稳定性的定义,并研究了几类比例时滞RNNs 的多项式稳定性和多项式周期性。文献[16]将比例时滞引入细胞神经网络,提出比例时滞细胞神经网络模型。此后各种比例时滞RNNs 基于在二次规划问题和QoS 路由决策等方面的潜在应用得到了国内外学者的关注,并取得一些研究成果[17-26],但关于比例时滞RNNs的多项式稳定性的研究还很有限。……