声明
摘要
第1章 绪论
1.1 人工神经网络及其结构
1.2 几类神经网络模型简介
1.2.1 双向联想记忆(BAM)神经网络
1.2.2 Cohen-Grossberg神经网络
1.2.3 双权值神经网络
1.3 本文的研究背景和主要工作
1.3.1 本文在稳定性方面的研究背景和工作
1.3.2 本文在逼近性方面的研究背景和工作
1.4 本文所用的记号和几个引理
第2章 具反应扩散项和分布时滞的BAM神经网络的全局渐近稳定性
2.1 模型描述和假设
2.2 平衡点的存在性
2.3 平衡点的全局渐近稳定性
2.4 应用举例及其数值模拟
第3章 具时滞的惯性BAM神经网络的全局指数稳定性
3.1 模型描述和假设
3.2 平衡点的存在性和唯一性
3.3 平衡点的全局指数稳定性
3.4 应用举例及其数值模拟
第4章 具时滞的惯性Cohen-Grossberg神经网络的全局指数稳定性
4.1 模型描述和假设
4.2 平衡点的存在性与唯一性
4.3 平衡点的全局指数稳定性
4.4 应用举例及其数值模拟
第5章 Lp度量空间中的双权值神经网络的逼近误差估计
5.1 几个引理
5.2 主要结果及其证明
第6章 具S形函数的双权值神经网络的构造与逼近误差估计
6.1 S形函数与双权值神经网络的构造
6.2 双权值神经网络的逼近误差估计
结论
参考文献
致谢
附录A 攻读学位期间所完成的学术论文目录