| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 人工神经网络定义 | 第10-11页 |
| 1.2 神经网络的发展 | 第11-12页 |
| 1.3 神经网络的基本特性和功能 | 第12-15页 |
| 1.3.1 神经网络的基本特性 | 第12-13页 |
| 1.3.2 神经网络的基本功能 | 第13-15页 |
| 第二章 人工神经网络模型 | 第15-26页 |
| 2.1 神经元模型与激活函数 | 第15-18页 |
| 2.1.1 神经元模型 | 第15-16页 |
| 2.1.2 激活函数的类型 | 第16-18页 |
| 2.2 神经网络结构 | 第18-20页 |
| 2.3 神经网络学习方法 | 第20-26页 |
| 2.3.1 学习方法的种类 | 第20-22页 |
| 2.3.2 常用的神经网络学习方法 | 第22-26页 |
| 第三章 Hopfield神经网络 | 第26-33页 |
| 3.1 连续型Hopfield神经网络 | 第26-28页 |
| 3.2 连续型Hopfield神经网络的稳定性 | 第28-33页 |
| 第四章 GNN神经网络求解Lyapunov矩阵方程 | 第33-44页 |
| 4.1 背景知识 | 第33-34页 |
| 4.2 模型建立与GNN方法的引入 | 第34-36页 |
| 4.3 全局收敛和有限时间收敛 | 第36-40页 |
| 4.4 数值例子 | 第40-44页 |
| 第五章 GNN神经网络求矩阵的逆 | 第44-48页 |
| 5.1 模型的建立 | 第44页 |
| 5.2 稳定性分析和有限时间收敛 | 第44-45页 |
| 5.3 数值例子 | 第45-48页 |
| 第六章 总结和展望 | 第48-50页 |
| 6.1 总结 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 攻读硕士学位期间完成的工作 | 第52-53页 |
| 致谢 | 第53页 |