首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

递归神经网络稳定性分析

摘要第1-6页
Abstract第6-8页
致谢第8-9页
符号与缩写第9-14页
第一章 绪论第14-19页
   ·引言第14-18页
     ·神经网络研究的历史第14-15页
     ·神经网络的结构第15-18页
   ·论文的概貌第18-19页
第二章 预备知识第19-33页
   ·数学基础第19-20页
     ·M-矩阵理论第19页
     ·矩阵不等式第19-20页
     ·Brouwer不动点定理第20页
   ·自治系统的Lyapunov稳定性理论第20-25页
     ·A.M.Lyapunov和稳定性定理第20-21页
     ·稳定性理论基本定义第21-23页
     ·Lyapunov稳定性定理第23-24页
     ·LaSalle不变原理第24-25页
   ·时滞系统的Lyapunov稳定性理论第25-26页
     ·Razumikhin稳定性定理第25-26页
     ·Krasovskii稳定性定理第26页
   ·递归神经网络模型第26-31页
     ·Hopfield神经网络模型与结构第27页
     ·变时滞Hopfield神经网络模型与结构第27-29页
     ·广义变时滞递归神经网络模型第29-30页
     ·变时滞神经网络模型第30-31页
   ·关于激活函数的假设第31-32页
   ·本章小结第32-33页
第三章 基于Lyapunov-Krasovskii泛函方法的时滞递归神经网络稳定性分析第33-53页
   ·引言第33-34页
   ·广义变时滞递归神经网络稳定性分析第34-42页
     ·平衡点的存在性第34-42页
   ·无时滞Hopfield神经网络稳定性分析第42-44页
   ·变时滞Hopfield神经网络稳定性分析第44-46页
   ·变时滞神经网络稳定性分析第46-47页
   ·比较第47-50页
     ·与M-矩阵判据比较第47-49页
     ·与其他类型的判据比较第49-50页
   ·举例与仿真第50-52页
   ·本章小结第52-53页
第四章 广义变时滞递归神经网络吸引域估计第53-72页
   ·前言第53-56页
     ·Hopfield联想记忆神经网络吸引域估计研究意义第53-54页
     ·Hopfield联想记忆神经网络工作原理第54-55页
     ·现有研究成果的主要存在的问题第55-56页
   ·预备知识第56-58页
   ·基于不变集原理和Lyapunov-Razumikhin函数方法的吸引域估计第58-64页
   ·基于不变集原理和Lyapunov-Krasovskii泛函方法的吸引域估计第64-68页
   ·举例与仿真第68-71页
   ·本章小结第71-72页
第五章 具有广义激活函数的递归神经网络绝对指数稳定性分析 #s9第72-96页
   ·前言第72-74页
     ·绝对稳定的概念及研究意义第72-73页
     ·本章所要研究的问题及研究的基本思路第73-74页
   ·预备知识及模型介绍第74-87页
     ·预备知识第74-76页
     ·具有广义激活函数的递归神经网络模型第76-87页
   ·绝对指数稳定性分析第87-89页
     ·基于M-矩阵理论的全局指数稳定性分析第88-89页
   ·举例与仿真第89-95页
   ·本章小结第95-96页
第六章 结束语第96-101页
   ·神经网络稳定性研究的最新进展第96-98页
     ·引入松弛变量得到保守性更小的时滞依赖型稳定性判据的方法第96页
     ·基于Lyapunov-Krasovskii泛函和LMI的稳定性分析方法第96-97页
     ·BAM型和Gohen-Grossberg型时滞神经网络的稳定性分析第97页
     ·脉冲型神经网络稳定性分析第97-98页
     ·其他类型的神经网络稳定性分析结果第98页
   ·进一步的研究工作第98-101页
     ·双向联想记忆神经网络吸引域估计第98-99页
     ·具有Markov跳变参数的递归神经网络全局渐近稳定性分析第99-101页
参考文献第101-116页
攻读博士期间完成的论文及参与的研究项目第116-117页

论文共117页,点击 下载论文
上一篇:长沙嘉年华巴士有限公司绩效考评体系研究
下一篇:论我国行业协会的法律地位