基于忆阻器的分数阶神经网络的控制研究

目录

声明

致谢

主要符号

第一章 绪论

1.1 人工神经网络概述

1.2 分数阶微积分概述

1.3 分数阶神经网络控制的研究发展现状

1.4 本文的主要内容和工作

第二章 分数阶微积分的基础理论

2.1 分数阶微积分的定义与性质

2.2 分数阶微分方程的数值仿真方法

2.2.1 分数阶微分方程的预估-校正解法

2.2.2 时滞分数阶微分方程的预估-校正解法

2.3 分数阶微分方程的稳定性

2.4 分数阶神经网络的同步研究

2.4.1 分数阶神经网络的建模过程

2.4.2 分数阶神经网络的同步问题

第三章 基于忆阻器的分数阶神经网络的同步研究

3.1 基于忆阻器的分数阶神经网络的模型描述

3.2 连续不可微的Lyapunov函数的Caputo分数阶微分不等式

3.3 参数已知的Caputo型分数阶忆阻器神经网络的射影同步

3.4 参数不确定的Caputo型分数阶忆阻器神经网络的完全同步

3.5 本章小结

第四章 参数未知的分数阶神经网络的同步研究

4.1 参数未知的Caputo型分数阶神经网络的完全同步

4.2 连续不可微的Lyapunov函数的R-L分数阶微分不等式

4.3 参数未知的R-L型分数阶忆阻器神经网络的完全同步

4.4 本章小结

第五章 不相容的R-L型分数阶竞争神经网络的同步研究

5.1 参数已知的不相容的R-L型分数阶竞争神经网络的完全同步

5.2 参数未知的不相容的R-L型分数阶竞争神经网络的完全同步

5.3 分数阶竞争神经网络的混沌同步在安全通信领域中的应用

5.4 本章小结

第六章 R-L型分数阶惯性神经网络的稳定性及同步研究

6.1 R-L型分数阶时滞惯性神经网络的完全同步

6.2 一类R-L型分数阶时滞惯性神经网络的稳定性分析

6.3 本章小结

第七章 结论与展望

7.1 结论

7.2 展望

参考文献

作者简历及攻读博士学位期间取得的研究成果

独创性声明

学位论文数据集