| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·问题的研究背景及意义 | 第10-15页 |
| ·人工智能发展动态 | 第10页 |
| ·不确定性人工智能 | 第10-11页 |
| ·神经网络研究的情况 | 第11-13页 |
| ·研究神经网络的意义 | 第13-15页 |
| ·问题的研究现状 | 第15-16页 |
| ·本文的研究内容及结构 | 第16-17页 |
| 第二章 相关基础理论和概念 | 第17-34页 |
| ·神经网络基础 | 第17-22页 |
| ·典型神经网络模型 | 第17-18页 |
| ·感知器 | 第18-19页 |
| ·Hopfield 神经网络简介 | 第19-22页 |
| ·模糊理论基础 | 第22-30页 |
| ·模糊集合及其性质 | 第23-24页 |
| ·三角模算子 | 第24-25页 |
| ·模糊数 | 第25-26页 |
| ·模糊矩阵 | 第26-27页 |
| ·两种模糊模型 | 第27-29页 |
| ·模糊推理 | 第29-30页 |
| ·神经网络与模糊系统比较 | 第30-31页 |
| ·稳定性理论 | 第31-33页 |
| ·稳定性分析的数学基础 | 第31-32页 |
| ·与网络运行过程中状态变迁有关的基本概念 | 第32页 |
| ·网络的稳定性 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 离散HOPFIELD 网络的稳定性 | 第34-42页 |
| ·结构和动态方程 | 第34-35页 |
| ·离散型HOPFIELD 网络研究结果综述及主要结论 | 第35-40页 |
| ·基本模型 | 第35-36页 |
| ·定义一个特殊的矩阵 | 第36页 |
| ·1-正定矩阵的充分条件 | 第36-37页 |
| ·新的结果 | 第37-40页 |
| ·离散HOPFIELD 网络全局收敛性分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 时滞的HOPFIELD 型随机模糊神经网络的稳定性 | 第42-49页 |
| ·模型的提出 | 第42-45页 |
| ·吸引子及其稳定性 | 第45-47页 |
| ·本章小节 | 第47-49页 |
| 第五章 实验结果及分析 | 第49-52页 |
| ·数值实验 | 第49页 |
| ·仿真实验 | 第49-52页 |
| 总结与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 附录(攻读硕士学位期间完成论文及科研情况) | 第57页 |