>Bidirectional associative memory models are 2‐layer heteroassociative networks. In this work, we prove '/>
机译:CAM神经网络与混合延迟的动态和泄漏时变延迟在时空尺度上加权伪周期定期延迟
双向关联内存模型是2层异质化网络。 在这项工作中,我们证明了双向协会内存神经网络的唯一加权伪几乎周期性解决方案的存在和全局指数稳定性,具有混合时变延迟和泄漏时变延迟在时空尺度上。 通过使用定点定理和差分不等式技术,给出了存在的存在,收敛和全球指数稳定性的一些充分的条件。 本文的结果补充了以前的结果。 给出了通过计算机模拟显示派生结果的有效性。 p> abstract>
Department of Mathematics Physics and Computer Science Higher Institute of Applied Sciences and Technology of KairouanUniversity of KairouanKairouan 3100 Tunisia;
bidirectional associative memory; global exponential stability; leakage delays; neutral‐type neural networks; time scales; weighted pseudo–almost periodic solution;
机译:CAM神经网络与混合延迟的动态和泄漏时变延迟在时空尺度上加权伪周期定期延迟
机译:一类具有时变时滞和泄漏时滞的竞争中立型神经网络的时空尺度上的伪概周期解
机译:时标混合时变时滞和泄漏时滞的中立型高阶Hopfield神经网络的伪几乎周期解
机译:具有时变延迟的BAM蜂窝神经网络几乎定期解决方案的存在和指数稳定性,连续分布延迟
机译:具有时变时间延迟的内在稳定动态网络和交换网络的指数稳定性
机译:C时标时变时滞的BAM神经网络的1-概周期解
机译:中立型高阶Hopfield的伪概周期解 具有混合时变延迟和泄漏延迟的神经网络 秤