| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-13页 |
| ·人工神经网络概述 | 第7页 |
| ·神经网络的分类及特点 | 第7页 |
| ·神经网络的主要模型 | 第7-10页 |
| ·Hopfield 神经网络 | 第8-9页 |
| ·双向联想记忆模型 | 第9页 |
| ·竞争神经网络 | 第9-10页 |
| ·神经网络的意义及研究现状 | 第10-11页 |
| ·本文的主要研究工作 | 第11-13页 |
| 第2章 时滞Hopfield 神经网络的全局稳定性分析 | 第13-19页 |
| ·引言 | 第13页 |
| ·定义及引理 | 第13-14页 |
| ·时滞Hopfield 神经网络的全局稳定性 | 第14-17页 |
| ·数值实例与数值仿真 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 时滞双向联想记忆脉冲神经网络的全局渐近稳定性 | 第19-29页 |
| ·引言 | 第19页 |
| ·引理和定义 | 第19-20页 |
| ·时滞双向联想记忆脉冲神经网络的全局稳定性 | 第20-26页 |
| ·数值实例与数值仿真 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 时滞竞争神经网络的全局指数稳定性分析 | 第29-41页 |
| ·引言 | 第29-30页 |
| ·定义与引理 | 第30-31页 |
| ·时滞竞争神经网络的全局指数稳定性 | 第31-39页 |
| ·数值实例与数值仿真 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 时滞BAM 神经网络概周期解的稳定性分析 | 第41-50页 |
| ·引言 | 第41页 |
| ·概周期解的预备知识 | 第41-42页 |
| ·定义与引理 | 第42-46页 |
| ·时滞BAM 神经网络概周期解的存在性和稳定性 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 结论与展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 攻读硕士学位期间的研究成果 | 第58页 |