| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 主要符号对照表 | 第12-13页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究工作的背景及意义 | 第13-16页 |
| 1.2 时滞人工神经网络稳定性与鲁棒控制研究现状 | 第16-18页 |
| 1.3 时滞人工神经网络状态估计研究现状 | 第18-19页 |
| 1.4 本论文的主要内容 | 第19-20页 |
| 1.5 主要引理 | 第20-21页 |
| 1.6 本论文的结构安排 | 第21-23页 |
| 第二章 具有时变时滞的不确定神经网络的鲁棒镇定和H_∞控制 | 第23-42页 |
| 2.1 问题描述 | 第23-24页 |
| 2.2 鲁棒镇定 | 第24-31页 |
| 2.3 鲁棒H_∞控制器设计 | 第31-37页 |
| 2.4 数值实例 | 第37-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第三章 具有混合时滞的不确定神经网络的鲁棒镇定和H_∞控制 | 第42-63页 |
| 3.1 问题描述 | 第42-43页 |
| 3.2 鲁棒镇定 | 第43-53页 |
| 3.3 鲁棒H_∞控制器设计 | 第53-55页 |
| 3.4 数值实例 | 第55-62页 |
| 3.5 本章小结 | 第62-63页 |
| 第四章 基于时滞划分方法的时滞静态神经网络的保H_∞性能状态估计 | 第63-82页 |
| 4.1 问题描述 | 第63-65页 |
| 4.2 状态估计器设计 | 第65-76页 |
| 4.3 数值实例 | 第76-81页 |
| 4.4 本章小结 | 第81-82页 |
| 第五章 基于积分不等式的时变时滞静态神经网络的保H_∞性能状态估计 | 第82-97页 |
| 5.1 问题描述 | 第82-83页 |
| 5.2 状态估计器设计 | 第83-91页 |
| 5.3 数值实例 | 第91-96页 |
| 5.4 本章小结 | 第96-97页 |
| 第六章 时滞静态神经网络的保广义2性能状态估计 | 第97-109页 |
| 6.1 问题描述 | 第97-98页 |
| 6.2 状态估计器设计 | 第98-104页 |
| 6.3 数值实例 | 第104-108页 |
| 6.4 本章小结 | 第108-109页 |
| 第七章 总结与展望 | 第109-111页 |
| 致谢 | 第111-112页 |
| 参考文献 | 第112-123页 |
| 攻读博士学位期间取得的成果 | 第123-124页 |
