摘要：针对一类离散的非线性分布参数系统,提出了一种批次长度随机变化的迭代学习控制问题。该类系统由抛物型偏微分方程构成。该方法采用伯努利型随机变量来描述迭代长度随机变化的情况,并根据分布参数系统的性质以及P型分布更新控制算法设计了迭代学习控制器。基于压缩映射原理,给出了系统输出误差收敛的充分必要条件并加以证明。结果表明,所提出的控制方法在λ范数意义下跟踪误差是收敛,且相对经典迭代学习算法,所提控制算法的收敛速度更快。最后,通过数值仿真验证了所提算法的有效性。

摘要：研究嗅觉皮层神经网络的周期解,利用压缩映射原理和构造Lyapunov泛函的方法,给出判定此系统周期解的存在唯一性及指数稳定性的条件。这些条件可用于设计周期稳定的嗅觉皮层神经网络,也很容易用简单的代数方法进行验证,这对嗅觉皮层神经网络的设计和应用起到了重要作用。

摘要：研究一类时延并联限制细胞神经网络的周期解。利用压缩映射原理和构造Lyapunov泛函的方法,给出判定此系统周期解的存在唯一性及指数稳定性的条件,并给出了一个例子说明条件是可行的。这些条件可用于设计周期稳定的时延并联限制细胞神经网络,也很容易用简单的代数方法进行验证,这对此类细胞神经网络的设计和应用起到了重要作用。