| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 1 引言 | 第12-18页 |
| ·人工神经网络概述 | 第12-15页 |
| ·随机动力系统简介 | 第15-16页 |
| ·本文的主要研究工作 | 第16-18页 |
| 2 随机时滞系统 | 第18-27页 |
| ·常时滞随机系统的均方指数稳定性 | 第18-21页 |
| ·预备知识 | 第18-19页 |
| ·主要结果 | 第19-21页 |
| ·变时滞随机系统的指数稳定性 | 第21-26页 |
| ·预备知识 | 第21-22页 |
| ·主要结果 | 第22-25页 |
| ·实例 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 随机时滞细胞神经网络的全局动力行为分析 | 第27-50页 |
| ·研究背景 | 第27页 |
| ·离散时滞随机细胞神经网络的渐近稳定性 | 第27-33页 |
| ·预备知识 | 第27-28页 |
| ·全局随机渐近稳定性 | 第28-33页 |
| ·S-分布时滞随机区间细胞神经网络的全局指数鲁棒稳定性 | 第33-40页 |
| ·预备知识 | 第33-34页 |
| ·全局指数鲁棒稳定性 | 第34-39页 |
| ·实例 | 第39-40页 |
| ·混合时滞脉冲随机细胞神经网络的概周期解 | 第40-49页 |
| ·背景知识和基本假设 | 第40-44页 |
| ·概周期解的存在性和唯一性 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 4 混合时滞中立型随机神经网络的稳定性 | 第50-65页 |
| ·具有混合时滞的中立型随机神经网络的鲁棒稳定性 | 第50-57页 |
| ·背景知识和基本假设 | 第50-52页 |
| ·全局鲁棒随机渐近稳定性 | 第52-57页 |
| ·数值示例 | 第57页 |
| ·具有混合时滞的中立型脉冲随机神经网络的稳定性 | 第57-64页 |
| ·预备知识 | 第57-59页 |
| ·全局随机渐近稳定性 | 第59-63页 |
| ·数值示例 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 5 时滞静态递归神经网络的稳定性 | 第65-86页 |
| ·背景知识 | 第65页 |
| ·变时滞静态递归神经网络的鲁棒稳定性 | 第65-71页 |
| ·预备知识 | 第65-67页 |
| ·主要结果 | 第67-71页 |
| ·实例 | 第71页 |
| ·随机静态神经网络的稳定性 | 第71-75页 |
| ·预备知识 | 第71-72页 |
| ·主要结果 | 第72-75页 |
| ·脉冲随机静态神经网络的周期解问题 | 第75-85页 |
| ·预备知识 | 第75-78页 |
| ·周期解的存在性和指数稳定性 | 第78-85页 |
| ·本章小结 | 第85-86页 |
| 6 展望 | 第86-87页 |
| 参考文献 | 第87-100页 |
| 符号索引 | 第100-101页 |
| 致谢 | 第101-102页 |
| 个人简历 | 第102-103页 |
| 攻读博士学位期间的工作目录 | 第103-104页 |
| 攻读博士学位期间参加科研情况 | 第104页 |