| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-17页 |
| ·神经网络的概述 | 第11-12页 |
| ·神经网络的发展 | 第11-12页 |
| ·神经网络的稳定性研究方法 | 第12页 |
| ·随机时滞神经网络的研究现状 | 第12-15页 |
| ·时滞对神经网络的影响 | 第12-13页 |
| ·随机神经网络的稳定性研究现状 | 第13-14页 |
| ·其它因素对随机时滞神经网络的影响 | 第14-15页 |
| ·本文的主要内容和创新点 | 第15-17页 |
| ·主要内容 | 第15页 |
| ·主要的创新点 | 第15-17页 |
| 2 预备知识 | 第17-22页 |
| ·Ito公式及矩指数稳定性的定义 | 第17-18页 |
| ·重要的不等式引理 | 第18-20页 |
| ·符号说明 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 随机递归神经网络的指数稳定性 | 第22-39页 |
| ·引言 | 第22页 |
| ·随机混合时滞递归神经网络P阶矩指数稳定 | 第22-38页 |
| ·模型描述 | 第22-24页 |
| ·解的存在唯一性 | 第24-28页 |
| ·解的P阶矩指数稳定 | 第28-36页 |
| ·数值例子 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 随机细胞神经网络的P阶矩指数稳定性 | 第39-59页 |
| ·引言 | 第39页 |
| ·随机时变时滞细胞神经网络的P阶矩指数稳定性 | 第39-47页 |
| ·模型描述 | 第39-41页 |
| ·主要结果 | 第41-46页 |
| ·例子 | 第46-47页 |
| ·混合时滞的随机脉冲细胞神经网络的指数稳定性 | 第47-58页 |
| ·模型描述 | 第47-49页 |
| ·主要结果 | 第49-57页 |
| ·数值例子 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 5 带有逐段常数滞后变量的随机神经网络的指数稳定性 | 第59-83页 |
| ·引言 | 第59页 |
| ·带有逐段常数滞后变量的随机神经网络的P阶矩指数稳定性 | 第59-71页 |
| ·模型描述 | 第59-60页 |
| ·解的存在唯一性 | 第60-65页 |
| ·P阶矩指数稳定 | 第65-70页 |
| ·数值例子 | 第70-71页 |
| ·带脉冲的逐段常数滞后变量的随机神经网络的指数稳定性 | 第71-82页 |
| ·模型描述 | 第71-72页 |
| ·解的存在唯一性 | 第72-76页 |
| ·P阶矩指数稳定 | 第76-81页 |
| ·数值例子 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 6 随机模糊Cohen-Grossberg神经网络的P阶矩指数稳定性 | 第83-101页 |
| ·引言 | 第83-84页 |
| ·随机时滞模糊Cohen-Grossberg神经网络的P阶矩指数稳定 | 第84-93页 |
| ·模型描述 | 第84-85页 |
| ·解的P阶矩指数稳定 | 第85-93页 |
| ·应用举例 | 第93页 |
| ·马尔可夫调制的随机模糊Cohen-Grossberg神经网络的指数稳定 | 第93-100页 |
| ·模型描述 | 第93-95页 |
| ·主要结果及证明 | 第95-99页 |
| ·实例应用 | 第99-100页 |
| ·本章小结 | 第100-101页 |
| 7 总结与展望 | 第101-102页 |
| 参考文献 | 第102-109页 |
| 致谢 | 第109-110页 |
| 攻读学位期间主要的研究成果 | 第110页 |
