| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究工作的背景与意义 | 第11-14页 |
| 1.2 马尔科夫神经网络的国内外研究历史与现状 | 第14-16页 |
| 1.2.1 马尔科夫神经网络的稳定性 | 第14-15页 |
| 1.2.2 马尔科夫神经网络的状态估计 | 第15-16页 |
| 1.2.3 马尔科夫神经网络的无源性分析 | 第16页 |
| 1.3 本文的主要贡献与创新 | 第16-17页 |
| 1.4 本论文的结构安排 | 第17-18页 |
| 第二章 具有混合时滞神经网络的状态估计 | 第18-35页 |
| 2.1 模型介绍及预备知识 | 第18-20页 |
| 2.2 主要结果 | 第20-31页 |
| 2.3 数值仿真 | 第31-33页 |
| 2.4 结论 | 第33-35页 |
| 第三章 具有模式依赖时变时滞和非线性扰动的不确定马尔科夫神经网络的鲁棒稳定性 | 第35-57页 |
| 3.1 模型介绍及预备知识 | 第35-38页 |
| 3.2 主要结果 | 第38-52页 |
| 3.3 数值仿真 | 第52-55页 |
| 3.4 结论 | 第55-57页 |
| 第四章 具有两个马尔科夫跳跃参数和混合时滞神经网络的状态估计 | 第57-75页 |
| 4.1 模型介绍及预备知识 | 第57-60页 |
| 4.2 主要结果 | 第60-70页 |
| 4.3 数值仿真 | 第70-73页 |
| 4.4 结论 | 第73-75页 |
| 第五章 具有两个马尔科夫参数和混合时滞神经网络的无源性分析 | 第75-97页 |
| 5.1 模型介绍及预备知识 | 第75-77页 |
| 5.2 主要结果 | 第77-91页 |
| 5.3 数值仿真 | 第91-96页 |
| 5.4 结论 | 第96-97页 |
| 第六章 具有马尔科夫参数的时滞系统的非脆弱无源控制 | 第97-126页 |
| 6.1 模型介绍及预备知识 | 第97-102页 |
| 6.2 主要结果 | 第102-120页 |
| 6.2.1 随机无源分析 | 第102-112页 |
| 6.2.2 非脆弱控制器设计 | 第112-120页 |
| 6.3 数值仿真 | 第120-125页 |
| 6.4 结论 | 第125-126页 |
| 第七章 全文总结与展望 | 第126-128页 |
| 7.1 全文总结 | 第126-127页 |
| 7.2 后续工作展望 | 第127-128页 |
| 致谢 | 第128-129页 |
| 参考文献 | 第129-141页 |
| 攻读博士期间取得的研究成果 | 第141页 |
