| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第16-25页 |
| 1.1 研究背景、研究动机及研究问题 | 第16-21页 |
| 1.1.1 基因调控网络 | 第16-17页 |
| 1.1.2 神经网络 | 第17页 |
| 1.1.3 复杂网络 | 第17-18页 |
| 1.1.4 传感器网络 | 第18-20页 |
| 1.1.5 事件触发机制 | 第20-21页 |
| 1.2 内容提纲 | 第21-23页 |
| 1.2.1 内容概述 | 第21页 |
| 1.2.2 每章内容 | 第21-23页 |
| 1.3 本文贡献 | 第23-25页 |
| 第二章 基于事件触发机制对具有Markovian跳参数和时变时滞的基因调控网络的H_∞状态估计 | 第25-37页 |
| 2.1 引言 | 第25页 |
| 2.2 问题描述 | 第25-28页 |
| 2.3 事件触发H_∞状态估计器设计 | 第28-33页 |
| 2.4 数值例子及其仿真 | 第33-36页 |
| 2.5 小结 | 第36-37页 |
| 第三章 基于事件触发机制对具有混合时滞和传感器饱和的神经网络的H_∞状态估计 | 第37-51页 |
| 3.1 引言 | 第37页 |
| 3.2 问题描述 | 第37-40页 |
| 3.3 事件触发H_∞状态估计器设计 | 第40-47页 |
| 3.4 数值例子及其仿真 | 第47-49页 |
| 3.5 小结 | 第49-51页 |
| 第四章 传感器网络的分布式H_∞状态估计 | 第51-74页 |
| 4.1 引言 | 第51页 |
| 4.2 基于事件触发机制对混合时滞随机发生情形下状态饱和系统的分布式H_∞状态估计 | 第51-60页 |
| 4.2.1 问题描述 | 第51-54页 |
| 4.2.2 事件触发分布式H_∞状态估计器设计 | 第54-60页 |
| 4.3 基于采样数据对传感器网络中非线性时滞系统的分布式H_∞弹性状态估计 | 第60-73页 |
| 4.3.1 问题描述 | 第60-63页 |
| 4.3.2 采样数据分布式H_∞弹性状态估计器设计 | 第63-69页 |
| 4.3.3 数值例子及其仿真 | 第69-73页 |
| 4.4 小结 | 第73-74页 |
| 第五章 基于事件触发机制对具有量化效应和分布式时滞随机发生的状态饱和复杂网络的H_∞状态估计 | 第74-86页 |
| 5.1 引言 | 第74页 |
| 5.2 问题描述 | 第74-77页 |
| 5.3 事件触发H_∞状态估计器设计 | 第77-83页 |
| 5.4 数值例子及其仿真 | 第83-84页 |
| 5.5 小结 | 第84-86页 |
| 第六章 基于事件触发机制对具有不确定内部耦合的复杂网络的同步控制 | 第86-96页 |
| 6.1 引言 | 第86页 |
| 6.2 问题描述 | 第86-89页 |
| 6.3 事件触发同步控制器设计 | 第89-93页 |
| 6.4 数值例子及其仿真 | 第93-94页 |
| 6.5 小结 | 第94-96页 |
| 第七章 基于动态事件触发机制的时滞复杂网络的同步控制 | 第96-107页 |
| 7.1 引言 | 第96页 |
| 7.2 问题描述 | 第96-98页 |
| 7.3 动态事件触发同步控制器设计 | 第98-104页 |
| 7.4 数值例子及其仿真 | 第104-106页 |
| 7.5 小结 | 第106-107页 |
| 第八章 基于动态事件触发机制和Gilbert-Elliott信道的传感器网络的分布式递推滤波 | 第107-118页 |
| 8.1 引言 | 第107页 |
| 8.2 问题描述 | 第107-109页 |
| 8.3 动态事件触发分布式递推滤波器设计 | 第109-115页 |
| 8.4 数值例子及其仿真 | 第115-116页 |
| 8.5 小结 | 第116-118页 |
| 第九章 结论与展望 | 第118-120页 |
| 9.1 结论 | 第118-119页 |
| 9.2 展望 | 第119-120页 |
| 参考文献 | 第120-132页 |
| 作者读博期间完成的文章,主持和参加的项目,获得的荣誉与奖励 | 第132-134页 |
| 致谢 | 第134-135页 |
