| 本书正是以带有时滞的递归神经网络 递归时滞神经网络为研究对象，对其进行综合分析及动态特性研究，包括对递归时滞神经网络的平衡点的唯一性、稳定性以及鲁棒稳定性等网络的动态特性的分析与研究。全书共分9章，其中第1章对当前的递归时滞神经网络进行了综合的分析，并介绍了相应的分析方法和数学工具；第2章针对时滞HOpfield神经网络进行包括稳定性和鲁棒稳定性分析在内的综合分析；第3章针对时滞细胞神经网络进行了平衡点稳定性的分析和研究；第4章针对时滞递归神经网络进行动态特性的分析和研究；第5章和第6章针对两类广义递归时滞神经网络进行动态特性的分析和研究；第7章和第8章针对CohenlGrossberg神经网络进行鲁棒稳定性的分析和研究；第9章构造了一种新型的时滞模糊双曲神经网络，并对其动态特性进行了分析和研究。 本书中所讲述的内容是作者近几年的研究成果，内容新颖实用，研究方法先进，属于当前学术界的前沿问题，因此具有重要的理论研究和实际应用价值。 |
| 张化光：1959年5月生。1991年于东南大学热工自动化专业获博士学位，尔后来到东北大学自动控制博士后流动站作两年的博士后科研工作。自1994年起在东北大学控制理论与控制工程专业任教授、博士生导师及电气自动化研究所所长。曾在美国、韩国和香港地区三所大学长期从事合作科研工作及任访问学者。近年来主要从事模糊系统理沦、模糊控制与智能控制、自适应控制、混沌控制、电力系统自动化、新型电机和拖动系统的设计及其自动化的理论研究和工程开发工作。曾获得国家自然科学基金、归国留学人员基金、国家“863”重大专项等资助。曾主持或作为主要科研人员完成了30多项国内外的相关科研项目。4项研究成果分别获国家能源部、辽宁省和国家教委(甲类)科技进步一、二等奖。享受国务院政府特殊津贴。 |
| 序 前言 第1章 递归时滞神经网络及系统动态分析基础 1.1 人工神经网络简介 1.2 递归神经网络简介 1.3 时滞对递归神经网络动态特性的影响 1.4 神经元的激励和抑制对网络动态特性的影响 1.5 递归时滞神经网络的动态特性分析方法和内容 1.6 递归时滞神经网络动态特性分析的预备知识 参考文献 第2章 时滞Hopfield神经网络的综合分析 2.1 引言 2.2 单时滞不对称Hopfield神经网络的动态特性分析 2.3 单时滞Hopfield神经网络模型的鲁棒稳定性分析 2.4 多定常时滞不对称Hopfield神经网络模型的动态特性分析 2.5 多定常时滞Hopfield神经网络模型的鲁棒稳定性分析 参考文献 第3章 时滞细胞神经网络的动态特性研究 3.1 相关假设和引理 3.2 多时滞细胞神经网络的动态特性分析 3.3 具有混合时滞的细胞神经网络的动态特性分析 参考文献 第4章 时滞递归神经网络的综合分析 4.1 多时变时滞递归神经网络的动态分析 4.2 多时变时滞递归神经网络的鲁棒稳定性分析 参考文献 第5章 第一类广义递归时滞神经网络的综合分析 5.1 第一类广义递归时滞神经网络 5.2 多时变时滞递归神经网络时滞依赖稳定性判据 5.3 多时变时滞递归神经网络时滞独立稳定性判据 5.4 第一类广义多时变时滞递归神经网络动态特性分析 5.5 第一类广义多时滞参数摄动递归神经网络的鲁棒稳定性分析 5.6 第一类广义多时变时滞递归神经网络鲁棒稳定性分析 参考文献 第6章 第二类广义递归时滞神经网络的动态特性分析 6.1 第二类广义递归时滞神经网络 6.2 第二类广义多时变时滞递归神经网络动态特性分析 6.3 带有分布时滞的变系数第二类广义递归神经网络动态特性分析 参考文献 第7章 时滞Cohen-Grossberg神经网络的综合分析 7.1 引言 7.2 单时滞不对称Cohen-Grossberg神经网络模型的动态特性分析 7.3 单时滞Cohen-Grossberg神经网络模型的时滞依赖稳定性分析 7.4 单时滞Cohen-Grossberg神经网络模型鲁棒稳定性分析 7.5 多时滞Cohen-Grossberg神经网络模型的稳定性 7.6 多时滞Cohen-Grossberg神经网络模型的鲁棒稳定性 参考文献 第8章 时变时滞区间Cohen-Grossberg神经网络的鲁棒稳定性分析 8.1 引言 8.2 问题描述 8.3 相关假设和引理 8.4 时滞区间Cohen-Grossberg神经网络的鲁棒稳定性分析 参考文献 第9章 时变时滞模糊双曲神经网络的动态特性分析 9.1 引言 9.2 相关基础知识 9.3 时变时滞模糊系统和时变时滞模糊基函数 9.4 时变时滞模糊双曲神经网络的模型和实现 9.5 时变时滞模糊双曲神经网络的稳定性分析 参考文献 索引 本书中使用的符号 |
内容加载中，请稍后...
商品评论（0条）