摘要 | 第1-6页 |
Abstract | 第6-12页 |
第一章 绪论 | 第12-30页 |
§1.1 引言 | 第12-13页 |
§1.2 神经网络的发展与神经动力学模型 | 第13-17页 |
§1.3 时滞神经网络的稳定性与研究现状 | 第17-20页 |
§1.4 本文的主要工作与创新点 | 第20-30页 |
§1.4.1 主要研究内容 | 第20-27页 |
§1.4.2 主要创新点 | 第27-30页 |
第二章 递归神经网络模型 | 第30-78页 |
§2.1 具有变系数的非自治递归神经网络 | 第30-40页 |
§2.1.1 模型及预备知识 | 第30-32页 |
§2.1.2 解的有界性、指数稳定性 | 第32-36页 |
§2.1.3 周期解的存在性 | 第36-37页 |
§2.1.4 分析和例子 | 第37-40页 |
§2.2 具有反应扩散项的递归神经网络 | 第40-48页 |
§2.2.1 模型及预备知识 | 第40-43页 |
§2.2.2 平衡点的指数稳定性 | 第43-47页 |
§2.2.3 比较和例子 | 第47-48页 |
§2.3 一类静态递归神经网络 | 第48-54页 |
§2.3.1 模型及预备知识 | 第48-50页 |
§2.3.2 平衡点的渐近稳定性 | 第50-53页 |
§2.3.3 例子及其数值模拟 | 第53-54页 |
§2.4 具有分布时滞的递归神经网络 | 第54-64页 |
§2.4.1 模型及预备知识 | 第54-57页 |
§2.4.2 网络的输出收敛性 | 第57-62页 |
§2.4.3 比较和例子 | 第62-64页 |
§2.5 具有变时滞的离散递归神经网络 | 第64-77页 |
§2.5.1 模型及预备知识 | 第64-65页 |
§2.5.2 平衡点的指数稳定性 | 第65-70页 |
§2.5.3 分量指数稳定性 | 第70-73页 |
§2.5.4 例子及其数值模拟 | 第73-77页 |
§2.6 本章小结 | 第77-78页 |
第三章 双向联想记忆神经网络模型 | 第78-114页 |
§3.1 具有高阶项的BAM神经网络 | 第78-88页 |
§3.1.1 模型及预备知识 | 第78-81页 |
§3.1.2 平衡点的全局指数稳定性 | 第81-86页 |
§3.1.3 例子 | 第86-88页 |
§3.2 连续型双向联想记忆神经网络 | 第88-101页 |
§3.2.1 模型及预备知识 | 第88-89页 |
§3.2.2 平衡点的存在性 | 第89-92页 |
§3.2.3 平衡点的指数稳定性 | 第92-95页 |
§3.2.4 模型的离散化及其收敛性 | 第95-100页 |
§3.2.5 比较和例子 | 第100-101页 |
§3.3 具有变时滞的离散BAM神经网络 | 第101-113页 |
§3.3.1 模型及预备知识 | 第101-102页 |
§3.3.2 平衡点的指数稳定性 | 第102-112页 |
§3.3.3 例子及其数值模拟 | 第112-113页 |
§3.4 本章小结 | 第113-114页 |
第四章 Cohen-Grossberg神经网络模型 | 第114-137页 |
§4.1 具有变系数的Cohen-Grossberg神经网络 | 第114-127页 |
§4.1.1 模型及预备知识 | 第114-117页 |
§4.1.2 解的有界性 | 第117-121页 |
§4.1.3 平衡点的指数稳定性 | 第121-125页 |
§4.1.4 例子及其数值模拟 | 第125-127页 |
§4.2 Cohen-Grossberg神经网络的鲁棒性 | 第127-136页 |
§4.2.1 模型及预备知识 | 第127-129页 |
§4.2.2 鲁棒稳定性 | 第129-135页 |
§4.2.3 比较和例子 | 第135-136页 |
§4.3 本章小结 | 第136-137页 |
第五章 脉冲神经网络模型 | 第137-148页 |
§5.1 高阶双向联想记忆的脉冲神经网络 | 第137-147页 |
§5.1.1 引言 | 第137-138页 |
§5.1.2 模型及预备知识 | 第138-141页 |
§5.1.3 平衡点的指数稳定性 | 第141-145页 |
§5.1.4 例子 | 第145-147页 |
§5.2 本章小结 | 第147-148页 |
第六章 总结与展望 | 第148-152页 |
§6.1 总结 | 第148-149页 |
§6.2 展望 | 第149-152页 |
参考文献 | 第152-163页 |
附录一 | 第163-165页 |
附录二 致谢 | 第165页 |