| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·神经网络的稳定性概述 | 第10-11页 |
| ·Hopfield 神经网络概述 | 第11-12页 |
| ·随机神经网络的发展及研究前景 | 第12-13页 |
| ·忆阻器神经网络的研究现状及发展前景 | 第13-14页 |
| ·论文的结构安排 | 第14-16页 |
| 第2章 预备知识 | 第16-22页 |
| ·时滞微分方程系统的稳定性 | 第16-17页 |
| ·时滞微分方程的基本概念 | 第16页 |
| ·稳定性的定义 | 第16-17页 |
| ·Lyapunov 稳定性定理 | 第17-18页 |
| ·相关引理和定义 | 第18-20页 |
| ·符号说明 | 第20页 |
| ·本章小结 | 第20-22页 |
| 第3章 具有混合时滞和逆H?lder激励函数的 Markovian 随机网络的稳定性 | 第22-36页 |
| ·引言 | 第22页 |
| ·系统的描述 | 第22-23页 |
| ·主要结果 | 第23-32页 |
| ·平衡点的存在性与唯一性 | 第23-26页 |
| ·Markovian 随机神经网络的稳定性 | 第26-32页 |
| ·数值例子 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 具有混合时滞和随机扰动的 Markovian 区间神经网络的指数稳定性 | 第36-52页 |
| ·引言 | 第36页 |
| ·系统的描述 | 第36-39页 |
| ·主要结果 | 第39-48页 |
| ·数值例子 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 具有脉冲的忆阻器神经网络的周期解的稳定性 | 第52-64页 |
| ·引言 | 第52页 |
| ·神经网络模型 | 第52-56页 |
| ·主要结果 | 第56-61页 |
| ·数值例子 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |