| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 引言 | 第12-22页 |
| ·研究意义 | 第12-13页 |
| ·回复式神经网络模型 | 第13-19页 |
| ·Hopfield 神经网络模型 | 第13-15页 |
| ·带非饱和激励函数的回复式神经网络 | 第15-17页 |
| ·行竞争网络神经模型 | 第17-18页 |
| ·PCNNs 网络神经模型 | 第18-19页 |
| ·主要研究内容 | 第19-20页 |
| ·特色和创新 | 第20页 |
| ·章节安排 | 第20-22页 |
| 第二章 利用 Hopfield 模型解决 TSP 问题 | 第22-30页 |
| ·研究背景 | 第22页 |
| ·CHN 模型到 TSP 的映射 | 第22-24页 |
| ·利用加强的能量表达函数来描述 TSP 问题 | 第24页 |
| ·连接矩阵的特征值 | 第24-27页 |
| ·计算第一个特征值 | 第25页 |
| ·计算第二个特征值 | 第25-26页 |
| ·计算第三个特征值 | 第26-27页 |
| ·网络参数设置 | 第27-28页 |
| ·实验结果 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 具有非饱和激励函数的回复式网络的多稳定分析 | 第30-62页 |
| ·研究背景 | 第30-31页 |
| ·一些概念和定义 | 第31-33页 |
| ·网络的单稳定性和多稳定性 | 第33-36页 |
| ·二维 LT-网络的研究 | 第36-49页 |
| ·具有两个神经元的二维 LT 网络的基本描述 | 第36-38页 |
| ·全局收敛性 | 第38-42页 |
| ·多稳定性分析 | 第42-46页 |
| ·仿真结果 | 第46-49页 |
| ·不带自反馈的 LT 网络 | 第49-61页 |
| ·网络模型 | 第49-50页 |
| ·网络不发散的条件 | 第50-51页 |
| ·网络的应用: Winner-Take-All 特性 | 第51-56页 |
| ·仿真结果 | 第56-58页 |
| ·实验三的网络参数 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第四章 关于行竞争网络解决 TSP 问题时的局部极小值 | 第62-80页 |
| ·研究背景 | 第62-63页 |
| ·利用行竞争模型解决TSP问题 | 第63-64页 |
| ·CCM 的性能分析 | 第64-67页 |
| ·改进的行竞争网络模型 | 第67-73页 |
| ·预备知识 | 第67-69页 |
| ·改进的能量表达式 | 第69-70页 |
| ·CCM 的改进模型 | 第70-73页 |
| ·仿真结果 | 第73-78页 |
| ·本章小结 | 第78-80页 |
| 第五章 利用行竞争网络解决 MTSP 问题 | 第80-96页 |
| ·研究背景 | 第80-81页 |
| ·MTSP 问题的描述 | 第81-82页 |
| ·利用 CCM 模型解决 MTSP 问题 | 第82-85页 |
| ·网络的收敛性和有效性分析 | 第85-91页 |
| ·网络参数的设置范围 | 第86-87页 |
| ·网络稳定性分析 | 第87-91页 |
| ·仿真结果 | 第91-94页 |
| ·本章小结 | 第94-96页 |
| 第六章 PCNN 模型及其在路径路由问题中的应用 | 第96-114页 |
| ·研究背景 | 第96-97页 |
| ·M-PCNNs | 第97-100页 |
| ·M-PCNNs 的设计 | 第97-99页 |
| ·M-PCNNs 模型中的自动波特性 | 第99-100页 |
| ·利用 M-PCNNs 解决最短路径问题 | 第100-105页 |
| ·算法描述 | 第101-102页 |
| ·仿真结果 | 第102-105页 |
| ·利用 M-PCNNs 计算网络路由协议中的 SPT | 第105-112页 |
| ·计算 SPT 的静态算法 | 第106-108页 |
| ·动态算法 | 第108-110页 |
| ·算法复杂度分析 | 第110-111页 |
| ·仿真结果 | 第111-112页 |
| ·本章小结 | 第112-114页 |
| 第七章 结束语 | 第114-116页 |
| 参考文献 | 第116-126页 |
| 致谢 | 第126-128页 |
| 发表文章目录 | 第128页 |
