| 作者简介 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-29页 |
| ·神经网络的背景及意义 | 第11-12页 |
| ·几类重要的神经网络模型 | 第12-15页 |
| ·分布参数神经网络模型 | 第15-18页 |
| ·分布参数时滞神经网络 | 第15-17页 |
| ·分布参数时滞脉冲神经网络 | 第17-18页 |
| ·具有分布参数的时滞随机神经网络 | 第18页 |
| ·国内外研究发展和现状 | 第18-25页 |
| ·分布参数时滞神经网络的稳定性 | 第18-22页 |
| ·分布参数神经网络的同步 | 第22-25页 |
| ·本文的研究内容及作者的主要工作 | 第25-26页 |
| ·符号说明 | 第26-29页 |
| 第二章 分布参数混合时滞神经网络的动力学行为 | 第29-59页 |
| ·分布参数离散和分布时滞神经网络的全局指数稳定 | 第29-34页 |
| ·分布参数时滞脉冲随机 Cohen-Grossberg 神经网络 p 阶矩指数稳定 | 第34-46页 |
| ·分布参数混合时滞脉冲随机神经网络的动态行为 | 第46-58页 |
| ·本章小结 | 第58-59页 |
| 第三章 部分转移概率已知的马尔可夫分布参数混合时滞神经网络稳定性 | 第59-71页 |
| ·引言 | 第59-60页 |
| ·问题描述和准备工作 | 第60-63页 |
| ·均方意义下的渐近稳定性 | 第63-67页 |
| ·数值例子 | 第67-69页 |
| ·结论 | 第69-71页 |
| 第四章 马尔科夫跳变分布参数时滞神经网络的几乎输入状态稳定性 | 第71-83页 |
| ·引言 | 第71页 |
| ·模型描述和预备知识 | 第71-73页 |
| ·几乎输入状态稳定 | 第73-78页 |
| ·数值例子与仿真 | 第78-82页 |
| ·本章小结 | 第82-83页 |
| 第五章 时变线性分布参数系统的鲁棒指数稳定性 | 第83-93页 |
| ·引言 | 第83页 |
| ·问题描述与预备知识 | 第83-85页 |
| ·鲁棒稳定性分析和稳定化设计 | 第85-90页 |
| ·抛物型方程的稳定性分析 | 第90-91页 |
| ·本章小结 | 第91-93页 |
| 第六章 分布参数时滞BAM神经网络全局指数同步 | 第93-105页 |
| ·引言 | 第93页 |
| ·模型描述和预备知识 | 第93-96页 |
| ·全局指数同步 | 第96-103页 |
| ·数值例子 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 第七章 分布参数时滞神经网络自适应同步 | 第105-126页 |
| ·分布参数时滞随机神经网络自适应同步 | 第105-115页 |
| ·基于权值自适应学习控制方法的反应扩散时滞神经网络的同步 | 第115-124页 |
| ·本章小结 | 第124-126页 |
| 结束语 | 第126-129页 |
| 致谢 | 第129-131页 |
| 参考文献 | 第131-147页 |
| 读博期间完成的主要工作 | 第147-149页 |
