文献类型：期刊文献

中文题名：分数阶时滞Cohen-Grossberg型BAM神经网络S-渐近ω-周期解

英文题名：Global S-asymptotic ω-periodic solutions for fractional Cohen-Grossberg BAM neural networks with delay

作者：蒋望东[1];章月红[1];刘伟[1]

机构：[1]绍兴文理学院元培学院数学教研部,浙江绍兴312000

年份：2020

卷号：35

期号：4

起止页码：455

中文期刊名：高校应用数学学报：A辑

收录：CSTPCD、、北大核心2017、北大核心、PubMed

基金：浙江省高等教育教学改革研究项目(JG20160261);教育部产学合作协同育人项目(201801123017);绍兴市高等教育教学改革研究项目(SXSJG201833)。

语种：中文

中文关键词：分数阶;Cohen-Grossberg型BAM神经网络;有界性;S-渐近ω-周期;全局渐近ω-周期解

外文关键词：fractional order;Cohen-Grossberg BAM neural networks;boundedness;global s-asymptoticω-period

中文摘要：主要研究分数阶时滞Cohen-Grossberg型BAM神经网络的有界性和周期性问题.利用分数阶微积分性质,借助于微分中值定理和Ascoli-Arzela定理,给出了判定系统解的有界性,S-渐近ω-周期和全局渐近ω-周期解的充分条件.最后通过数值模拟例子验证所得到理论结果的有效性.

外文摘要：This paper mainly studies the boundedness and periodicity of fractional Cohen Grossberg type BAM neural network with delay.By using the properties of fractional calculus,differential mean value theorem and Ascoli-Arzela theorem,the sufficient conditions for determining the boundedness of system solution and global S-asymptoticωperiodic solution are given.Finally,the validity of the theoretical results is verified by numerical simulation examples.