李 蕾

(淮北师范大学 数学科学学院, 安徽 淮北 235000)

Hopfield神经网络在过去的二十年中,由于在建模复杂动力学方面的潜在应用,已经成为一个活跃的研究领域,成功地应用于解决各种线性和非线性规划问题,引起了人们的广泛关注[1-6].近年来,由于实际系统中存在不确定性,随机系统的同步性一直是研究的热点问题,随机建模在科学和工业的许多分支中起着重要的作用.一个真实的系统通常受到外部扰动的影响,而外部扰动在许多情况下具有很大的不确定性,因此可以被视为随机的.因此,考虑随机效应对Hopfield神经网络稳定性的影响是非常重要的.

由于现实世界的网络通常有大量的节点,通过在所有节点上添加控制器来控制复杂网络通常是困难的.为了减少控制器的数量,一种自然的方法是通过牵引住部分节点来控制网络.事实上,许多实际系统经常突然受到外部干扰,使系统在很短的时间内改变轨迹.因此,具有脉冲效应的动态网络的研究对于理解最真实世界的网络的动态行为具有重要意义.[7]Liu采用牵引控制技术,研究了非线性耦合网络的固定同步问题,包括递归连接神经网络、细胞神经网络、Hodgkin-Huxley模型、Lorenz混沌振荡器等.[8]Liu利用反应-扩散耦合:空间耦合设计了一种新的分布式耦合协议,研究了具有时变时滞和反应-扩散项的线性耦合神经网络的非周期性间歇牵引控制的完全同步问题.[9]Sanchez利用递归高阶神经网络进行辨识,提出……