论文目录 | |
| 摘要 | 第1-5
页 |
| Abstract | 第5-9
页 |
| 第一章 绪论 | 第9-23
页 |
| · 人工神经网络概述 | 第9-10
页 |
| · 递归神经网络模型 | 第10-14
页 |
| · 一般递归神经网络模型 | 第11-12
页 |
| · 时滞递归神经网络模型 | 第12-14
页 |
| · 时滞神经网络的稳定性研究 | 第14-17
页 |
| · 时滞系统的Lyapunov 稳定性理论 | 第14-15
页 |
| · 时滞神经网络的稳定性研究现状 | 第15-17
页 |
| · 混沌时滞神经网络的同步概述 | 第17-19
页 |
| · 混沌神经网络 | 第17-18
页 |
| · 混沌同步概述 | 第18-19
页 |
| · 本文的主要研究工作 | 第19-23
页 |
| 第二章 多时滞递归神经网络模型 | 第23-35
页 |
| · 引言 | 第23-24
页 |
| · 模型和预备知识 | 第24-25
页 |
| · 多时滞不确定递归神经网络的全局鲁棒稳定性 | 第25-33
页 |
| · 数值实例 | 第33-34
页 |
| · 本章小结 | 第34-35
页 |
| 第三章 变时滞区间Cohen-Grossberg 神经网络模型 | 第35-53
页 |
| · 引言 | 第35-36
页 |
| · 模型及预备知识 | 第36-37
页 |
| · Cohen-Grossberg 神经网络的全局鲁棒稳定性 | 第37-50
页 |
| · 数值仿真 | 第50-51
页 |
| · 本章小结 | 第51-53
页 |
| 第四章 时滞Markov 跳变神经网络模型 | 第53-73
页 |
| · 引言 | 第53-54
页 |
| · 时滞Markov 跳变BAM 神经网络 | 第54-61
页 |
| · 模型和预备知识 | 第54-55
页 |
| · 时滞Markov 跳变BAM 神经网络的全局鲁棒稳定性 | 第55-59
页 |
| · 数值仿真 | 第59-61
页 |
| · 变时滞Markov 跳变递归神经网络 | 第61-71
页 |
| · 模型和预备知识 | 第61-62
页 |
| · 变时滞Markov 跳变神经网络全局均方指数稳定性 | 第62-66
页 |
| · 不确定变时滞Markov 跳变神经网络的全局鲁棒均方指数稳定性 | 第66-69
页 |
| · 数值仿真 | 第69-71
页 |
| · 本章小结 | 第71-73
页 |
| 第五章 时滞离散神经网络模型 | 第73-101
页 |
| · 引言 | 第73-74
页 |
| · 时滞离散区间BAM神经网络 | 第74-85
页 |
| · 模型及预备知识 | 第74-76
页 |
| · 时滞离散区间 BAM 神经网络的稳定性分析 | 第76-82
页 |
| · 数值仿真 | 第82-85
页 |
| · 时滞Markov 跳变离散递归神经网络 | 第85-99
页 |
| · 模型及预备知识 | 第85-86
页 |
| · 具有常时滞的MJDRNN 的全局随机稳定性 | 第86-89
页 |
| · 具有常时滞的MJDRNN 的全局鲁棒随机稳定性 | 第89-91
页 |
| · 具有模式依赖时滞的MJDRNN 的全局随机稳定性 | 第91-93
页 |
| · 具有模式依赖时滞的MJDRNN 的全局鲁棒随机稳定性 | 第93-95
页 |
| · 数值仿真 | 第95-99
页 |
| · 本章小结 | 第99-101
页 |
| 第六章 混沌时滞神经网络模型 | 第101-119
页 |
| · 引言 | 第101
页 |
| · 混沌时滞神经网络 | 第101-108
页 |
| · 模型和预备知识 | 第101-102
页 |
| · 混沌时滞神经网络的鲁棒同步 | 第102-105
页 |
| · 数值仿真 | 第105-108
页 |
| · 线性耦合时滞神经网络 | 第108-117
页 |
| · 模型和预备知识 | 第108-109
页 |
| · 耦合时滞神经网络的自适应同步 | 第109-114
页 |
| · 数值仿真 | 第114-117
页 |
| · 本章小结 | 第117-119
页 |
| 第七章 总结与展望 | 第119-121
页 |
| · 总结 | 第119-120
页 |
| · 展望 | 第120-121
页 |
| 致谢 | 第121-122
页 |
| 参考文献 | 第122-134
页 |
| 附录：作者在攻读博士学位期间发表的论文 | 第134
页 |
