زهرا محمدزاده - دانشجوی دکترا، گروه ریاضی، دانشکده علوم ریاضی و آمار، پردیس علوم پایه، دانشگاه بیرجند، ایران
اسداله محمود زاده وزیری - استادیار، گروه ریاضی، دانشکده علوم ریاضی و آمار، پردیس علوم پایه، دانشگاه بیرجند، ایران
اسد عازمی - استا د، گروه برق، دانشکده مهندسی، دانشگاه ویسکانسین-پلتویل، آمریکا
امید ربیعی مطلق - دانشیار، گروه ریاضی، دانشکده علوم ریاضی و آمار، پردیس علوم پایه، دانشگاه بیرجند، ایران

In this paper, the stability of a delayed Bidirectional Associative Memory (BAM) neural network consisting of two layers has been investigated. The approach includes linearization of the BAM neural network, obtaining the characteristic equation, analyzing the nature of its roots, and obtaining the condition for the systems' stability. The results show that the neural network is asymptotically stable when the eigenvalues have a negative real part. Next, the effect of delay in creating oscillation in the system was investigated, and the relevant parameter was obtained. Compared to the other published work in this area, an advantage of the proposed approach is its ability to identify the system's stability in a much more straightforward and less complicated method. Finally, a ۲-layer neuron network simulation, with three neurons in each layer, using Simulink software (affiliated with MATLAB), is presented. The simulation results confirm the efficiency of the proposed method.

پایداری, تابع مشخصه, خطی سازی, شبکه عصبی بم