| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 引言 | 第9页 |
| 1.2 神经网络概述 | 第9-12页 |
| 1.2.1 神经网络发展历史 | 第9-11页 |
| 1.2.2 神经网络模型介绍 | 第11-12页 |
| 1.3 递归神经网络的国内外研究现状 | 第12-14页 |
| 1.4 本文的主要研究内容 | 第14-16页 |
| 第二章 预备知识 | 第16-23页 |
| 2.1 矩阵知识准备 | 第16-17页 |
| 2.1.1 M 矩阵理论 | 第16页 |
| 2.1.2 矩阵不等式 | 第16-17页 |
| 2.2 稳定性理论 | 第17-21页 |
| 2.2.1 几种稳定性定义 | 第17-18页 |
| 2.2.2 Lyapunov 稳定性理论 | 第18-21页 |
| 2.3 不动点定理 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 具有混合时滞的神经网络的稳定性分析 | 第23-37页 |
| 3.1 引言 | 第23-24页 |
| 3.2 模型及预备知识 | 第24-26页 |
| 3.3 主要结论 | 第26-32页 |
| 3.3.1 具有混合时滞的随机神经网络的均方指数稳定性 | 第26-30页 |
| 3.3.2 具有混合时滞的神经网络周期解的存在性和全局指数稳定性 | 第30-32页 |
| 3.4 实例 | 第32-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 具有脉冲的时滞双向联想记忆神经网络系统的稳定性分析 | 第37-52页 |
| 4.1 引言 | 第37页 |
| 4.2 模型及预备知识 | 第37-40页 |
| 4.3 主要结论 | 第40-48页 |
| 4.3.1 平衡点的存在性和唯一性 | 第40-44页 |
| 4.3.2 平衡点的全局指数稳定性 | 第44-48页 |
| 4.4 实例 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 具有脉冲的时滞高阶BAM神经网络周期解的存在性和稳定性 | 第52-74页 |
| 5.1 引言 | 第52页 |
| 5.2 模型及预备知识 | 第52-55页 |
| 5.3 主要结论 | 第55-69页 |
| 5.3.1 高阶BAM 神经网络平衡点的全局指数稳定性 | 第55-63页 |
| 5.3.2 高阶BAM 神经网络周期解的存在性和全局指数稳定性 | 第63-69页 |
| 5.4 实例 | 第69-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 时滞依赖的脉冲时滞神经网络的稳定性 | 第74-82页 |
| 6.1 引言 | 第74页 |
| 6.2 模型及预备知识 | 第74-76页 |
| 6.3 主要结论 | 第76-80页 |
| 6.4 实例 | 第80-81页 |
| 6.5 本章小结 | 第81-82页 |
| 第七章 模糊BAM神经网络的全局指数稳定性 | 第82-91页 |
| 7.1 引言 | 第82-83页 |
| 7.2 模型及预备知识 | 第83-84页 |
| 7.3 主要结论 | 第84-89页 |
| 7.4 实例 | 第89-90页 |
| 7.5 本章小结 | 第90-91页 |
| 第八章 总结与展望 | 第91-93页 |
| 8.1 全文总结 | 第91页 |
| 8.2 论文的创新点 | 第91-92页 |
| 8.3 进一步的研究工作 | 第92-93页 |
| 参考文献 | 第93-103页 |
| 攻读博士学位期间发表论文和科研情况 | 第103-104页 |
| 致谢 | 第104-105页 |
| 中文详细摘要 | 第105-106页 |
| 英文详细摘要 | 第106-107页 |
