| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| §1.1 神经网络学科的发展背景 | 第7-8页 |
| §1.2 离散神经网络模型的研究现状 | 第8-11页 |
| §1.3 本文将利用的符号与概念 | 第11-14页 |
| 第二章 离散tabu学习神经网络模型的稳定性和分支 | 第14-26页 |
| §2.1 引言 | 第14-15页 |
| §2.2 稳定性分析 | 第15-16页 |
| §2.3 Neimark-Sacker-分支分析 | 第16-23页 |
| §2.4 数据模拟 | 第23-26页 |
| 第三章 一类四元离散神经网络模型的稳定性和分支 | 第26-32页 |
| §3.1 引言 | 第26-27页 |
| §3.2 稳定性分析 | 第27-28页 |
| §3.3 Neimark-Sacker-分支分析 | 第28-32页 |
| 第四章 一类三元具时滞离散神经网络模型的稳定性和分支 | 第32-43页 |
| §4.1 引言 | 第32-33页 |
| §4.2 稳定性分析 | 第33-34页 |
| §4.3 Neimark-Sacker-分支分析 | 第34-38页 |
| §4.4 Pitchfork-分支分析 | 第38-40页 |
| §4.5 Flip-分支分析 | 第40-41页 |
| §4.6 数据模拟 | 第41-43页 |
| 第五章 总结与展望 | 第43-45页 |
| §5.1 主要结果与创新 | 第43-44页 |
| §5.2 进一步研究方向 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-50页 |
| 读研期间的科研情况 | 第50-51页 |