| 内容摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-14页 |
| 1.1 递归神经网络及有限时间稳定理论研究概述 | 第10-12页 |
| 1.1.1 递归神经网络发展简史 | 第10-11页 |
| 1.1.2 有限时间稳定发展概况 | 第11页 |
| 1.1.3 基于递归神经网络的有限时间稳定研究现状 | 第11-12页 |
| 1.2 论文的整体构架与主要内容 | 第12-14页 |
| 2 基于激活函数可调的递归神经网络求解时变 Sylvester 方程 | 第14-32页 |
| 2.1 引言 | 第14-15页 |
| 2.2 预备知识 | 第15-18页 |
| 2.3 模型提出 | 第18-19页 |
| 2.4 有限时间收敛性分析 | 第19-21页 |
| 2.5 Zhang Neural Network 设计 | 第21-22页 |
| 2.6 数值仿真—求解R_(2×2)Sylvester 方程 | 第22-27页 |
| 2.6.1 收敛速度 | 第23-24页 |
| 2.6.2 对噪音干扰的敏感性 | 第24页 |
| 2.6.3 收敛时间上界估计的保守性 | 第24-26页 |
| 2.6.4 Zhang Neural Network 参数设计 | 第26-27页 |
| 2.7 实例应用—求解矩阵的 Pseudo-inverse | 第27-31页 |
| 2.7.1 收敛速度 | 第28页 |
| 2.7.2 对噪音干扰的敏感性 | 第28-29页 |
| 2.7.3 收敛时间上界估计的保守性 | 第29-30页 |
| 2.7.4 Zhang Neural Network 参数设计 | 第30-31页 |
| 2.8 小结 | 第31-32页 |
| 3 基于激活函数可调的递归神经网求解 QP 问题及其应用 | 第32-47页 |
| 3.1 引言 | 第32-33页 |
| 3.2 预备知识 | 第33页 |
| 3.3 基于可调激活函数的递归神经网络求解 QP 问题 | 第33-37页 |
| 3.4 数值仿真 | 第37-41页 |
| 3.4.1 收敛速度 | 第38-40页 |
| 3.4.2 对噪音的敏感性 | 第40页 |
| 3.4.3 抗时滞的鲁棒性 | 第40-41页 |
| 3.5 实例应用—求解 kWTA 问题 | 第41-46页 |
| 3.5.1 kWTA 问题介绍 | 第41-42页 |
| 3.5.2 kWTA 问题的模型转化 | 第42-43页 |
| 3.5.3 关于 kWTA 问题的主要结论 | 第43-45页 |
| 3.5.4 一个 kWTA 问题实例 | 第45-46页 |
| 3.6 总结 | 第46-47页 |
| 4 设计有限时间递归神经网络求解时变二次规划(TVQP)问题并将其应用到机器人轨迹跟踪 | 第47-61页 |
| 4.1 引言 | 第47页 |
| 4.2 模型描述及神经网络设计 | 第47-48页 |
| 4.3 主要结果 | 第48-51页 |
| 4.4 鲁棒性分析 | 第51-54页 |
| 4.5 数值实例 | 第54-58页 |
| 4.6 实例应用—机器人轨迹跟踪 | 第58-60页 |
| 4.6.1 机器人轨迹跟踪模型 | 第58-59页 |
| 4.6.2 机器人轨迹跟踪问题模拟仿真 | 第59-60页 |
| 4.7 总结 | 第60-61页 |
| 5 递归神经网络在皮带传输系统中参数估计和能源优化 | 第61-78页 |
| 5.1 引言 | 第61页 |
| 5.2 皮带传输系统模型 | 第61-63页 |
| 5.3 基于递归神经网络的参数估计 | 第63-65页 |
| 5.4 基于递归神经网络的能源效率优化 | 第65-71页 |
| 5.4.1 优化问题一 | 第65-68页 |
| 5.4.2 优化问题二 | 第68-69页 |
| 5.4.3 优化问题三 | 第69-70页 |
| 5.4.4 优化问题四 | 第70-71页 |
| 5.4.5 优化问题五 | 第71页 |
| 5.4.6 优化问题六 | 第71页 |
| 5.5 模拟仿真 | 第71-77页 |
| 5.5.1 模拟仿真-参数估计 | 第72-73页 |
| 5.5.2 模拟仿真-六个优化问题 | 第73-77页 |
| 5.6 总结 | 第77-78页 |
| 6 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78页 |
| 6.2 展望 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 后记 | 第86-87页 |
| 附录：攻读硕士学位期间发表的部分学术论著 | 第87页 |
