| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-23页 |
| ·人工神经网络概述 | 第9-10页 |
| ·递归神经网络模型 | 第10-14页 |
| ·一般递归神经网络模型 | 第11-12页 |
| ·时滞递归神经网络模型 | 第12-14页 |
| ·时滞神经网络的稳定性研究 | 第14-17页 |
| ·时滞系统的Lyapunov 稳定性理论 | 第14-15页 |
| ·时滞神经网络的稳定性研究现状 | 第15-17页 |
| ·混沌时滞神经网络的同步概述 | 第17-19页 |
| ·混沌神经网络 | 第17-18页 |
| ·混沌同步概述 | 第18-19页 |
| ·本文的主要研究工作 | 第19-23页 |
| 第二章 多时滞递归神经网络模型 | 第23-35页 |
| ·引言 | 第23-24页 |
| ·模型和预备知识 | 第24-25页 |
| ·多时滞不确定递归神经网络的全局鲁棒稳定性 | 第25-33页 |
| ·数值实例 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 变时滞区间Cohen-Grossberg 神经网络模型 | 第35-53页 |
| ·引言 | 第35-36页 |
| ·模型及预备知识 | 第36-37页 |
| ·Cohen-Grossberg 神经网络的全局鲁棒稳定性 | 第37-50页 |
| ·数值仿真 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 时滞Markov 跳变神经网络模型 | 第53-73页 |
| ·引言 | 第53-54页 |
| ·时滞Markov 跳变BAM 神经网络 | 第54-61页 |
| ·模型和预备知识 | 第54-55页 |
| ·时滞Markov 跳变BAM 神经网络的全局鲁棒稳定性 | 第55-59页 |
| ·数值仿真 | 第59-61页 |
| ·变时滞Markov 跳变递归神经网络 | 第61-71页 |
| ·模型和预备知识 | 第61-62页 |
| ·变时滞Markov 跳变神经网络全局均方指数稳定性 | 第62-66页 |
| ·不确定变时滞Markov 跳变神经网络的全局鲁棒均方指数稳定性 | 第66-69页 |
| ·数值仿真 | 第69-71页 |
| ·本章小结 | 第71-73页 |
| 第五章 时滞离散神经网络模型 | 第73-101页 |
| ·引言 | 第73-74页 |
| ·时滞离散区间BAM神经网络 | 第74-85页 |
| ·模型及预备知识 | 第74-76页 |
| ·时滞离散区间 BAM 神经网络的稳定性分析 | 第76-82页 |
| ·数值仿真 | 第82-85页 |
| ·时滞Markov 跳变离散递归神经网络 | 第85-99页 |
| ·模型及预备知识 | 第85-86页 |
| ·具有常时滞的MJDRNN 的全局随机稳定性 | 第86-89页 |
| ·具有常时滞的MJDRNN 的全局鲁棒随机稳定性 | 第89-91页 |
| ·具有模式依赖时滞的MJDRNN 的全局随机稳定性 | 第91-93页 |
| ·具有模式依赖时滞的MJDRNN 的全局鲁棒随机稳定性 | 第93-95页 |
| ·数值仿真 | 第95-99页 |
| ·本章小结 | 第99-101页 |
| 第六章 混沌时滞神经网络模型 | 第101-119页 |
| ·引言 | 第101页 |
| ·混沌时滞神经网络 | 第101-108页 |
| ·模型和预备知识 | 第101-102页 |
| ·混沌时滞神经网络的鲁棒同步 | 第102-105页 |
| ·数值仿真 | 第105-108页 |
| ·线性耦合时滞神经网络 | 第108-117页 |
| ·模型和预备知识 | 第108-109页 |
| ·耦合时滞神经网络的自适应同步 | 第109-114页 |
| ·数值仿真 | 第114-117页 |
| ·本章小结 | 第117-119页 |
| 第七章 总结与展望 | 第119-121页 |
| ·总结 | 第119-120页 |
| ·展望 | 第120-121页 |
| 致谢 | 第121-122页 |
| 参考文献 | 第122-134页 |
| 附录：作者在攻读博士学位期间发表的论文 | 第134页 |
