General stability for a Cohen–Grossberg neural network system

Autor:	Mohammed D. Kassim, Nasser-Eddine Tatar
Jazyk:	angličtina
Rok vydání:	2023
Předmět:	93D23 34C11 92B20 Applied mathematics. Quantitative methods T57-57.97 Mathematics QA1-939
Zdroj:	Arabian Journal of Mathematics, Vol 13, Iss 1, Pp 133-147 (2023)
Druh dokumentu:	article
ISSN:	2193-5343 2193-5351
DOI:	10.1007/s40065-023-00452-x
Popis:	Abstract Of concern is a Cohen–Grossberg neural network (CGNNs) system taking into account distributed and discrete delays. The class of delay kernels ensuring exponential stability existing in the previous papers is enlarged to an extended class of functions guaranteeing more general types of stability. The exponential and polynomial (or power type) type stabilities becomes particular cases of our result. This is achieved using appropriate Lyapunov-type functionals and the characteristics of the considered class.
Databáze:	Directory of Open Access Journals
Externí odkaz:	https://doaj.org/article/180c3b428fa34f778739c13fd8214a87 Zobrazit plný text záznamu View record in DOAJ Plný text ve formátu PDF Plný text ve formátu HTML
Nepřihlášeným uživatelům se plný text nezobrazuje	K zobrazení výsledku je třeba se přihlásit.