| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 符号说明 | 第10-12页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究背景、目的和意义 | 第12-16页 |
| 1.2 基于忆阻的神经网络的的动力学研究进展 | 第16-18页 |
| 1.3 相关知识 | 第18-20页 |
| 1.4 本文主要工作概述 | 第20-22页 |
| 2 基于忆阻的Lotka-Volterra神经网络的吸引性和完全稳定性 | 第22-38页 |
| 2.1 引言 | 第22页 |
| 2.2 基于忆阻的Lotka-Volterra神经网络 | 第22-25页 |
| 2.3 吸引性和完全稳定性 | 第25-34页 |
| 2.4 数值算例 | 第34-35页 |
| 2.5 本章小结 | 第35-38页 |
| 3 多种反馈函数刺激下基于忆阻的神经网络的Lagrange稳定性 | 第38-57页 |
| 3.1 引言 | 第38页 |
| 3.2 多种反馈函数刺激下的忆阻神经网络 | 第38-41页 |
| 3.3 Lagrange稳定性 | 第41-50页 |
| 3.4 数值算例 | 第50-55页 |
| 3.5 本章小结 | 第55-57页 |
| 4 基于忆阻的多模型神经网络的指数镇定和最优控制 | 第57-77页 |
| 4.1 引言 | 第57页 |
| 4.2 基于忆阻的多模型神经网络 | 第57-60页 |
| 4.3 指数镇定和最优控制 | 第60-69页 |
| 4.4 数值算例 | 第69-74页 |
| 4.5 本章小结 | 第74-77页 |
| 5 基于忆阻的线性阈值神经网络的模式记忆分析 | 第77-96页 |
| 5.1 引言 | 第77页 |
| 5.2 基于忆阻的线性阈值神经网络 | 第77-81页 |
| 5.3 模式记忆分析 | 第81-93页 |
| 5.4 数值算例 | 第93-94页 |
| 5.5 本章小结 | 第94-96页 |
| 6 总结与展望 | 第96-99页 |
| 6.1 全文总结 | 第96页 |
| 6.2 研究展望 | 第96-99页 |
| 致谢 | 第99-100页 |
| 参考文献 | 第100-110页 |
| 附录 1 攻读博士学位期间发表的论文 | 第110-112页 |
| 附录 2 攻读博士学位期间参加的科研项目和获得的荣誉奖励 | 第112-113页 |
| 附录 3 攻读博士学位期间发表的论文与学位论文的对应关系 | 第113页 |
