几类时滞神经网络的稳定性研究

　　《几类时滞神经网络的稳定性研究》旨在利用适当的李雅普诺夫-克拉索夫斯基泛函、伊藤公式及线性矩阵不等式等数学工具，研究分别带有区间时滞和分布时滞的随机神经网络、BAM随机神经网络以及随机中立神经网络等的稳定性问题，并结合一些不等式方法，得出一些有价值的相关时滞随机神经网络的稳定控制器存在的代数判据。

　　男，博士，教授，硕士生导师，留加访问学者，中国计算机学会（CCF）高级会员，美国计算机协会（ACM）会员。主要研究领域：神经网络、机器学习、大数据分析及应用。先后在Chaos， Solitons & Fractals、International Journal of Computer Mathematics、Cognitive Neurodynamics、Information Sciences、Neurocomputing、Applied Mathematical Modelling等国内外学术期刊和国际学术会议上发表学术论文40余篇，其中SCI收录12篇，EI收录20篇。先后为多个国际学术刊物（SCI源期刊）和国际学术会议审稿，主要包括IEEE Transactions on Neural Networks、IEEE Transactions on Systems， Man， and Cybernetics-Part B： Cybernetics、Neurocomputing、International Journal of Robust and Nonlinear Control、Neural Computing and Applications、International Journal of Computer Mathematic等。目前，作为项目负责人或主研人员进行了多项相关课题的研究，参加和已经完成的科研项目10项（其中省部级项目8项，院级项目2项）。

第1章 绪论
1．1 人工神经网络发展概述
1．2 时滞神经网络稳定性的研究进展
1．3 随机神经网络稳定性的研究概述
1．4 本书的组织结构
1．5 符号说明
第2章 不确定随机神经网络与时滞区间相关的全局鲁棒稳定性
2．1 引言
2．2 问题描述
2．3 主要结论与证明
2．4 数值仿真算例
2．5 本章小结
第3章 带区间时滞的不确定随机神经网络的全局渐近鲁棒稳定性
3．1 模型建立和预备知识
3．2 带区间时滞的随机神经网络的全局渐近稳定性
3．3 带区间时滞的不确定随机神经网络的全局鲁棒稳定性
3．4 数值仿真算例
3．5 本章小结
第4章 带区间与分布时滞的不确定随机神经网络的均方稳定性
4．1 引言
4．2 问题描述和预备知识
4．3 带区间与分布时滞的随机神经网络的全局渐近稳定性
4．4 带区间与分布时滞的不确定随机神经网络的全局鲁棒稳定性
4．5 数值仿真算例
4．6 本章小结
第5章 不确定时滞随机BAM神经网络的均方稳定性
5．1 引言
5．2 问题描述与相关预备知识
5．3 主要结论
5．4 数值仿真算例
5．5 本章小结
第6章 时滞随机中立神经网络的全局渐近稳定性
6．1 引言
6．2 问题描述
6．3 主要结论
6．4 数值算例
6．5 本章小结
……
第7章 带区间时变时滞的BAM神经网络渐近稳定性
第8章 不确定离散时滞中立神经网络鲁棒稳定性
第9章 总结与展望
参考文献