| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-12页 |
| ·神经网络的研究概况 | 第9页 |
| ·几类神经网络模型介绍 | 第9-10页 |
| ·双向联想记忆 BAM 神经网络模型 | 第9-10页 |
| ·Cohen-Grossberg 神经网络模型 | 第10页 |
| ·自组织特征映射 SOFM 神经网络 | 第10页 |
| ·本文研究的主要内容及其数学背景 | 第10-12页 |
| 2 S分布时型滞 Cohen-Grossberg 型 BAM 神经网络稳定性分析 | 第12-24页 |
| ·模型描述 | 第12-13页 |
| ·渐近稳定性分析 | 第13-19页 |
| ·预备知识 | 第13-14页 |
| ·主要结果 | 第14-18页 |
| ·数值例子 | 第18-19页 |
| ·指数稳定性分析 | 第19-23页 |
| ·主要结果 | 第19-23页 |
| ·数值例子 | 第23页 |
| ·本章小结 | 第23-24页 |
| 3 S分布时滞随机 Cohen-Grossberg 型 BAM 神经网络稳定性分析 | 第24-37页 |
| ·引言 | 第24页 |
| ·预备知识 | 第24-27页 |
| ·随机过程和 Brown 运动 | 第24-25页 |
| ·Ito 积分 | 第25-26页 |
| ·Ito 公式 | 第26页 |
| ·Ito 型随机微分方程的稳定性 | 第26-27页 |
| ·模型描述 | 第27-29页 |
| ·主要结果 | 第29-35页 |
| ·数值例子 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 具有混合时滞的脉冲 BAM 神经网络的指数稳定性 | 第37-47页 |
| ·引言 | 第37页 |
| ·网络描述 | 第37-38页 |
| ·符号说明 | 第38-39页 |
| ·主要结果 | 第39-45页 |
| ·数值例子 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 5 基于 SOFM 神经网络的学生综合评价 | 第47-52页 |
| ·引言 | 第47页 |
| ·网络描述 | 第47-48页 |
| ·SOFM 网络拓扑结构 | 第47页 |
| ·SOFM 网络的学习过程 | 第47-48页 |
| ·基于 SOFM 神经网络的学生综合评价 | 第48-51页 |
| ·学生综合评价的指标体系 | 第48-49页 |
| ·基于 SOFM 网络的学生综合评价 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 总结与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 个人简历 | 第57页 |
| 发表的学术论文 | 第57页 |
