| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-27页 |
| ·引言 | 第13-14页 |
| ·It（？）随机系统的基本理论 | 第14-18页 |
| ·几种常见的随机过程 | 第14-15页 |
| ·It（？）随机微分方程 | 第15-16页 |
| ·It（？）随机系统稳定性概念 | 第16-18页 |
| ·随机时滞神经网络基本理论 | 第18-21页 |
| ·随机神经网络的发展概述 | 第18-19页 |
| ·几种随机递归神经网络模型 | 第19-20页 |
| ·时滞对随机神经网络的影响 | 第20-21页 |
| ·随机时滞神经网络的研究方法 | 第21页 |
| ·随机分布系统基本理论 | 第21-23页 |
| ·随机分布系统发展概述 | 第21-22页 |
| ·随机分布系统的几种逼近模型 | 第22-23页 |
| ·预备知识 | 第23-25页 |
| ·符号说明 | 第23页 |
| ·相关定义和假设 | 第23-24页 |
| ·相关引理 | 第24-25页 |
| ·本文的主要工作 | 第25-27页 |
| 第二章 一类区间时变时滞随机神经网络鲁棒稳定性分析 | 第27-45页 |
| ·引言 | 第27-28页 |
| ·标称随机时滞神经网络稳定性分析 | 第28-34页 |
| ·系统模型描述 | 第28-29页 |
| ·时滞区间依赖随机稳定判据 | 第29-34页 |
| ·具有范数有界不确定性随机时滞神经网络鲁棒稳定性分析 | 第34-38页 |
| ·系统模型描述 | 第34-35页 |
| ·时滞区间依赖鲁棒随机稳定判据 | 第35-36页 |
| ·仿真研究 | 第36-38页 |
| ·具有多胞不确定性随机时滞神经网络稳定性分析 | 第38-43页 |
| ·系统模型描述 | 第38页 |
| ·时滞区间依赖鲁棒随机稳定判据 | 第38-41页 |
| ·仿真研究 | 第41-43页 |
| ·小结 | 第43-45页 |
| 第三章 一类马尔科夫跳变随机时滞神经网络鲁棒稳定性分析 | 第45-65页 |
| ·引言 | 第45页 |
| ·问题描述和预备知识 | 第45-49页 |
| ·马尔科夫跳变模式依赖鲁棒随机稳定判据 | 第49-60页 |
| ·仿真研究 | 第60-63页 |
| ·小结 | 第63-65页 |
| 第四章 一类概率分布依赖随机时滞神经网络鲁棒稳定性分析 | 第65-83页 |
| ·引言 | 第65页 |
| ·问题描述 | 第65-67页 |
| ·标称随机时滞神经网络稳定性分析 | 第67-77页 |
| ·不确定随机时滞神经网络鲁棒稳定性分析 | 第77-79页 |
| ·数值例子 | 第79-81页 |
| ·小结 | 第81-83页 |
| 第五章 一类不确定随机时滞神经网络的无源性分析 | 第83-101页 |
| ·引言 | 第83-84页 |
| ·问题描述 | 第84-87页 |
| ·随机无源性分析 | 第87-97页 |
| ·时滞独立随机无源性判据 | 第87-90页 |
| ·时滞依赖随机无源性判据 | 第90-97页 |
| ·数值例子 | 第97-99页 |
| ·小结 | 第99-101页 |
| 第六章 一类随机时滞混沌神经网络指数同步 | 第101-109页 |
| ·引言 | 第101页 |
| ·问题描述 | 第101-104页 |
| ·指数同步条件 | 第104-106页 |
| ·仿真研究 | 第106-108页 |
| ·小结 | 第108-109页 |
| 第七章 一类时滞随机分布系统的跟踪控制 | 第109-121页 |
| ·引言 | 第109-110页 |
| ·系统模型描述 | 第110-112页 |
| ·B样条神经网络模型和非线性权模型 | 第110-111页 |
| ·目标概率密度函数模型和广义PI控制器模型 | 第111-112页 |
| ·时滞增广系统模型 | 第112页 |
| ·广义PI跟踪控制器设计 | 第112-115页 |
| ·仿真研究 | 第115-119页 |
| ·小结 | 第119-121页 |
| 第八章 问题与展望 | 第121-123页 |
| 参考文献 | 第123-141页 |
| 攻读博士学位期间的研究成果 | 第141-143页 |
| 致谢 | 第143-145页 |
| 个人简历 | 第145-146页 |
