| 摘要 | 第2-4页 |
| Abstract | 第4-6页 |
| 1 引言 | 第9-15页 |
| 1.1 忆阻神经网络的发展及应用 | 第9-12页 |
| 1.1.1 神经网络简介 | 第9页 |
| 1.1.2 忆阻器的简介 | 第9-11页 |
| 1.1.3 忆阻神经网络模型及其研究背景 | 第11-12页 |
| 1.2 忆阻神经网络同步控制研究现状与意义 | 第12-13页 |
| 1.3 本文的研究内容与意义 | 第13-15页 |
| 2 具有时变时滞的忆阻Cohen–Grossberg神经网络的函数投影同步 | 第15-28页 |
| 2.1 模型与假设 | 第15-19页 |
| 2.2 主要结论 | 第19-25页 |
| 2.3 数值模拟 | 第25-28页 |
| 3 具有混合时滞的忆阻神经网络的滞后同步 | 第28-44页 |
| 3.1 模型与假设 | 第28-31页 |
| 3.2 线性切换控制下的指数滞后同步 | 第31-37页 |
| 3.3 自适应切换控制下的指数滞后同步 | 第37-41页 |
| 3.4 数值模拟 | 第41-44页 |
| 4 具有时变时滞的忆阻神经网络的有限时间同步 | 第44-57页 |
| 4.1 模型与假设 | 第44-48页 |
| 4.2 主要结论 | 第48-54页 |
| 4.3 数值模拟 | 第54-57页 |
| 5 具有不连续激活函数的忆阻细胞神经网络的指数同步 | 第57-74页 |
| 5.1 模型与假设 | 第57-62页 |
| 5.2 主要结论 | 第62-69页 |
| 5.3 数值模拟 | 第69-74页 |
| 6 具有不连续激活函数的忆阻Cohen–Grossberg神经网络的广义衰减同步 | 第74-104页 |
| 6.1 模型与假设 | 第74-80页 |
| 6.2 主要结论 | 第80-96页 |
| 6.3 数值模拟 | 第96-104页 |
| 7 总结与展望 | 第104-107页 |
| 7.1 总结 | 第104-105页 |
| 7.2 展望 | 第105-107页 |
| 参考文献 | 第107-119页 |
| 攻读博士学位期间的主要研究成果及获奖情况 | 第119-122页 |
| 致谢 | 第122-123页 |
