| 声明 | 第1-5页 |
| 中文摘要 | 第5-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-34页 |
| ·人工神经网络概述 | 第12-15页 |
| ·神经元模型的提出 | 第12-13页 |
| ·人工神经网络的特点 | 第13-14页 |
| ·人工神经网络的发展概况 | 第14-15页 |
| ·时滞对神经网络动态特性的影响 | 第15-16页 |
| ·递归神经网络模型概述 | 第16-21页 |
| ·Hopfield神经网络模型 | 第17-18页 |
| ·Cohen-Grossberg神经网络模型 | 第18-19页 |
| ·细胞神经网络模型 | 第19-21页 |
| ·与论文相关的理论知识 | 第21-32页 |
| ·论文中将用到的符号及记法 | 第21页 |
| ·时滞系统稳定性的概念及其判定定理 | 第21-25页 |
| ·线性矩阵不等式(LMI)技术 | 第25-32页 |
| ·线性矩阵不等式技术的发展历史 | 第26-28页 |
| ·线性矩阵不等式的基本问题 | 第28-30页 |
| ·线性矩阵不等式的一些标准问题 | 第30-32页 |
| ·本文所做的工作 | 第32-34页 |
| 第2章 时滞不对称Hopfield递归神经网络模型的动态分析 | 第34-45页 |
| ·引言 | 第34页 |
| ·单时滞不对称Hopfield神经网络模型的稳定性 | 第34-39页 |
| ·网络模型 | 第34-35页 |
| ·稳定性分析 | 第35-38页 |
| ·仿真示例 | 第38-39页 |
| ·多时滞不对称Hopfield神经网络模型的稳定性 | 第39-44页 |
| ·网络模型 | 第39-40页 |
| ·稳定性分析 | 第40-42页 |
| ·仿真示例 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第3章 基于线性矩阵不等式技术的时滞Hopfield神经网络模型的鲁棒稳定性研究 | 第45-66页 |
| ·引言 | 第45-46页 |
| ·单时滞Hopfield神经网络模型的鲁棒稳定性 | 第46-53页 |
| ·网络模型 | 第46-47页 |
| ·鲁棒稳定性分析 | 第47-51页 |
| ·仿真示例 | 第51-53页 |
| ·多时滞Hopfield神经网络模型的鲁棒稳定性 | 第53-65页 |
| ·网络模型 | 第53-54页 |
| ·鲁棒稳定性分析 | 第54-61页 |
| ·仿真示例 | 第61-65页 |
| ·小结 | 第65-66页 |
| 第4章 时滞Cohen-Grossberg递归神经网络模型的动态分析 | 第66-87页 |
| ·引言 | 第66页 |
| ·单时滞Cohen-Grossberg神经网络模型的稳定性 | 第66-71页 |
| ·网络模型 | 第66-68页 |
| ·稳定性分析 | 第68-70页 |
| ·仿真示例 | 第70-71页 |
| ·多时滞Cohen-Grossberg神经网络模型的稳定性 | 第71-79页 |
| ·网络模型 | 第71-73页 |
| ·稳定性分析 | 第73-77页 |
| ·仿真示例 | 第77-79页 |
| ·依赖于时滞的Cohen-Grossberg神经网络模型的稳定性 | 第79-86页 |
| ·网络模型 | 第79-80页 |
| ·稳定性分析 | 第80-85页 |
| ·仿真示例 | 第85-86页 |
| ·小结 | 第86-87页 |
| 第5章 基于线性矩阵不等式技术的时滞Cohon-Grossberg神经网络模型的鲁棒稳定性研究 | 第87-106页 |
| ·引言 | 第87-88页 |
| ·单时滞Cohen-Grossberg神经网络模型的鲁棒稳定性 | 第88-94页 |
| ·网络模型 | 第88-89页 |
| ·鲁棒稳定性分析 | 第89-94页 |
| ·多时滞Cohen-Grossberg神经网络模型的鲁棒稳定性 | 第94-105页 |
| ·网络模型 | 第94-96页 |
| ·鲁棒稳定性分析 | 第96-103页 |
| ·仿真示例 | 第103-105页 |
| ·小结 | 第105-106页 |
| 第6章 问题与展望 | 第106-108页 |
| 参考文献 | 第108-119页 |
| 致谢 | 第119-120页 |
| 作者在攻读博士学位期间所做的工作 | 第120-122页 |
| 个人简历 | 第122-123页 |
