| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 符号集 | 第13-16页 |
| 第一章 绪论 | 第16-25页 |
| 1.1 课题研究背景及意义 | 第16-18页 |
| 1.1.1 忆阻神经网络――人工智能发展的新动力 | 第16-17页 |
| 1.1.2 忆阻神经网络动力学行为分析的必要性 | 第17-18页 |
| 1.2 课题研究现状 | 第18-22页 |
| 1.2.1 忆阻器及其电路实现 | 第18页 |
| 1.2.2 忆阻神经网络的稳定性及状态估计问题研究 | 第18-20页 |
| 1.2.3 忆阻神经网络中的时滞 | 第20页 |
| 1.2.4 网络诱导的不完全信息 | 第20-22页 |
| 1.3 本文的内容提纲 | 第22-23页 |
| 1.4 本文的主要贡献 | 第23-25页 |
| 第二章 依赖于泄漏时滞和时变时滞概率分布的离散随机忆阻神经网络稳定性分析 | 第25-42页 |
| 2.1 引言 | 第25页 |
| 2.2 问题描述 | 第25-30页 |
| 2.3 稳定性分析 | 第30-38页 |
| 2.4 数值例子及其仿真 | 第38-41页 |
| 2.5 小结 | 第41-42页 |
| 第三章 常时滞随机发生情形下一类离散递归忆阻神经网络的H_∞状态估计 | 第42-57页 |
| 3.1 引言 | 第42页 |
| 3.2 问题描述 | 第42-46页 |
| 3.3 H_∞状态估计器性能分析 | 第46-51页 |
| 3.4 H_∞状态估计器设计 | 第51-53页 |
| 3.5 数值例子及其仿真 | 第53-56页 |
| 3.6 小结 | 第56-57页 |
| 第四章 具有混合时滞的一类离散随机忆阻BAM神经网络的H_∞状态估计 | 第57-78页 |
| 4.1 引言 | 第57页 |
| 4.2 问题描述 | 第57-65页 |
| 4.3 H_∞状态估计器性能分析 | 第65-71页 |
| 4.4 H_∞状态估计器设计 | 第71-73页 |
| 4.5 数值例子及其仿真 | 第73-76页 |
| 4.6 小结 | 第76-78页 |
| 第五章 基于测量数据丢失和事件触发机制的一类离散时滞随机忆阻神经网络的H_∞状态估计 | 第78-97页 |
| 5.1 引言 | 第78页 |
| 5.2 问题描述 | 第78-84页 |
| 5.3 H_∞状态估计器性能分析 | 第84-90页 |
| 5.4 H_∞状态估计器设计 | 第90-92页 |
| 5.5 数值例子及其仿真 | 第92-95页 |
| 5.6 小结 | 第95-97页 |
| 第六章 信道衰减情形下具有混合时滞随机出现的离散随机忆阻神经网络的H_∞状态估计 | 第97-116页 |
| 6.1 引言 | 第97页 |
| 6.2 问题描述 | 第97-102页 |
| 6.3 H_∞状态估计器性能分析 | 第102-109页 |
| 6.4 H_∞状态估计器设计 | 第109-111页 |
| 6.5 数值例子及其仿真 | 第111-114页 |
| 6.6 小结 | 第114-116页 |
| 第七章 结论与展望 | 第116-119页 |
| 7.1 结论 | 第116-117页 |
| 7.2 展望 | 第117-119页 |
| 参考文献 | 第119-131页 |
| 作者读博期间完成的文章,主持/参加的项目,获得的奖励 | 第131-133页 |
| 致谢 | 第133-134页 |
