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 |