| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-24页 |
| ·神经网络发展 | 第10-12页 |
| ·神经网络研究的主要内容、意义及面临的挑战 | 第12-17页 |
| ·神经网络研究概况 | 第12-14页 |
| ·神经网络的研究内容 | 第14-15页 |
| ·神经网络的研究意义 | 第15-16页 |
| ·神经网络研究面临的挑战 | 第16-17页 |
| ·复杂网络概述 | 第17-20页 |
| ·复杂网络及其发展 | 第17-18页 |
| ·复杂网络研究的主要内容 | 第18-19页 |
| ·复杂网络研究的主要意义 | 第19-20页 |
| ·本文的研究内容、研究成果 | 第20-21页 |
| ·论文的组织结构 | 第21-24页 |
| 2 稳定性及网络同步的基本概念 | 第24-30页 |
| ·稳定性的定义 | 第24-27页 |
| ·稳定性的几个概念 | 第24-26页 |
| ·Lyapunov 函数 | 第26-27页 |
| ·LYAPUNOV 稳定性定理 | 第27-28页 |
| ·网络同步概述 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 时滞神经网络的全局渐近稳定性分析 | 第30-38页 |
| ·问题描述及预备知识 | 第30-32页 |
| ·时滞神经网络的渐近稳定性 | 第32-35页 |
| ·数值例子 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 4 时滞HOPFIELD 神经网络的全局渐近稳定性分析 | 第38-48页 |
| ·引言 | 第38-39页 |
| ·模型及预备知识 | 第39-40页 |
| ·时滞HOPFIELD 神经网络模型的全局渐近稳定性分析 | 第40-45页 |
| ·数值例子 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 5 时滞细胞神经网络全局渐近稳定性分析 | 第48-60页 |
| ·引言 | 第48页 |
| ·神经网络模型及预备知识 | 第48-50页 |
| ·带常时滞的细胞神经网络的全局渐近稳定性 | 第50-53页 |
| ·带时变时滞的细胞神经网络的全局渐近稳定性 | 第53-58页 |
| ·数值仿真 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 6 时滞BAM 神经网络的稳定性分析 | 第60-92页 |
| ·引言 | 第60-61页 |
| ·问题描述和预备知识 | 第61-63页 |
| ·时滞BAM 神经网络的全局稳定性准则 | 第63-71页 |
| ·时滞BAM 神经网络的指数稳定性准则 | 第71-84页 |
| ·数值例子 | 第84-90页 |
| ·本章小结 | 第90-92页 |
| 7 带耦合时滞的复杂网络的同步状态稳定性分析 | 第92-102页 |
| ·引言 | 第92页 |
| ·模型描述及预备知识 | 第92-94页 |
| ·带耦合时滞的复杂网络全局同步状态稳定性分析 | 第94-97页 |
| ·数值仿真 | 第97-101页 |
| ·本章小结 | 第101-102页 |
| 8 总结与展望 | 第102-104页 |
| 致谢 | 第104-106页 |
| 参考文献 | 第106-118页 |
| 附录 | 第118-121页 |