离散时间型复值神经网络的全局指数周期性

摘要

复值神经网络是神经网络的一个分支,也是最近几年快速发展的一个领域,在图像处理、模式识别、联想记忆等方面有广泛的应用.目前,对于复值神经网络动力学方面的研究主要集中在稳定性上,对于离散时间型复值神经网络周期性的研究还几乎没有.首先将连续时间型复值神经网络模型离散化得到离散时间型复值神经网络模型,然后利用M-矩阵理论、不等式技巧和Lya-punov方法,获得了全局指数周期性的一个充分条件,最后给出的具有仿真的数值例子验证了获得结果的有效性.