| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-22页 |
| ·神经网络简介 | 第10-11页 |
| ·神经网络的发展背景 | 第11-14页 |
| ·神经网络稳定性的研究进展 | 第14-20页 |
| ·本文主要工作及结构安排 | 第20-22页 |
| 第2章 时滞连续Hopfield 神经网络的稳定性 | 第22-65页 |
| ·神经网络模型和预备知识 | 第22-25页 |
| ·全局渐近稳定 | 第25-41页 |
| ·指数稳定 | 第41-56页 |
| ·数值算例 | 第56-63页 |
| ·本章小结 | 第63-65页 |
| 第3章 离散Hopfield 神经网络的稳定性 | 第65-94页 |
| ·离散Hopfield 神经网络的稳定性 | 第65-69页 |
| ·时滞离散Hopfield 网络的稳定性 | 第69-83页 |
| ·离散Hopfield 联想记忆网络的设计 | 第83-92页 |
| ·设计例子 | 第92-93页 |
| ·本章小结 | 第93-94页 |
| 第4章 具有逆Lipschitz 激励函数的时滞神经网络的稳定性 | 第94-112页 |
| ·神经网络模型与预备知识 | 第94-96页 |
| ·具有逆 Lipschits 激励函数的 DHNN 的稳定性 | 第96-102页 |
| ·具有时滞的C-G 神经网络的稳定性 | 第102-108页 |
| ·数值算例 | 第108-110页 |
| ·本章小结 | 第110-112页 |
| 第5章 具有有限时滞分布的神经网络指数稳定性 | 第112-118页 |
| ·模型与预备知识 | 第112-114页 |
| ·全局指数稳定 | 第114-116页 |
| ·数值算例 | 第116-117页 |
| ·本章小结 | 第117-118页 |
| 结论 | 第118-120页 |
| 参考文献 | 第120-132页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第132-133页 |
| 致谢 | 第133-134页 |
| 作者简介 | 第134页 |
