第1章 绪论 1
1.1系统和动力系统的概念 1
1.2神经动力网络概述 7
1.3稳定性理论概述 9
1.4神经动力网络稳定性概述 15
1.5复杂网络及其同步性概述 19
1.6预备知识 24
1.6.1稳定性的几种定义 25
1.6.2连续系统的定性稳定性方法 30
1.6.3微分方程解的存在性和唯一性 35
1.6.4M矩阵及其相关等价关系 37
1.6.5正稳定矩阵及矩阵不等式 41
参考文献 44
第2章 Cohen-Grossberg型递归神经网络的动态特性综述 49
2.1引言 49
2.2Cohen-Grossberg型递归神经网络的研究内容 54
2.2.1激励函数的演化过程 55
2.2.2连接权矩阵中的不确定性演化过程 57
2.2.3时滞的演化过程 60
2.2.4平衡点与激励函数的关系 62
2.2.5基于LMI的稳定结果证明方法和技巧 63
2.2.6稳定结果的表达形式 69
2.3Cohen-Grossberg型递归神经网络概述 70
2.4Cohen-Grossberg型神经网络稳定结果之间的比较 77
2.4.1非负平衡点的情况 78
2.4.2基于M矩阵和代数不等式的稳定结果 88
2.4.3基于矩阵不等式方法或混合方法的稳定结果 99
2.4.4递归神经网络的鲁棒稳定性问题 103
2.4.5稳定性结果的定性评价 107
2.5递归神经网络的充分必要稳定条件 108
2.6Lagrange稳定性研究概况 114
2.7有限时间有界稳定性研究概况 115
2.8小结 116
参考文献 116
第3章 具有多重时滞的递归神经网络稳定性 135
3.1引言 135
3.2问题描述与基础知识 136
3.3全局渐近稳定结果 137
3.3.1具有不同多重时滞的情况 142
3.3.2具有多重时滞的情况 152
3.3.3具有单重常时滞的情况 167
3.4小结 170
参考文献 171
第4章 具有未知时滞的Cohen-Grossberg型神经网络的稳定性 174
4.1引言 174
4.2问题描述与基础知识 176
4.3全局鲁棒指数稳定性结果 178
4.3.1具有不同多时变时滞的情况 178
4.3.2具有单时变时滞的情况 190
4.4仿真示例 201
4.5小结 203
参考文献 204
第5章 有限分布时滞的Cohen-Grossberg神经网络的稳定性 208
5.1引言 208
5.2具有严格正的放大函数情况的全局渐近稳定性 210
5.3具有严格正的放大函数情况的全局鲁棒渐近稳定性 230
5.4具有非负放大函数情况的全局渐近稳定性 236
5.5仿真示例 249
5.6小结 254
参考文献 254
第6章 无穷分布时滞的反应-扩散Cohen-Grossberg神经网络的稳定性 259
6.1具有Neumann边界条件的Cohen-Grossberg神经网络的稳定性 259
6.1.1引言 259
6.1.2基础知识 263
6.1.3全局渐近稳定性结果 264
6.1.4仿真示例 282
6.2具有Dirichlet边界条件的Cohen-Grossberg神经网络的稳定性 285
6.2.1引言 285
6.2.2基础知识 287
6.2.3全局渐近稳定结果 289
6.2.4仿真示例 304
6.3具有Neumann边界条件的多分布时滞神经网络的指数稳定性 306
6.3.1引言 307
6.3.2基础知识 309
6.3.3全局指数稳定性结果 310
6.3.4仿真示例 320
6.4小结 323
参考文献 323
第7章 具有非对称耦合的复杂互联神经网络的同步稳定性 330
7.1稳定性与同步性的联系 330
7.2非对称耦合复杂网络的同步性简介 332
7.3问题描述与基础知识 335
7.4主要结果 341
7.5仿真示例 348
7.6小结 353
参考文献 353
第8章 具有时变耦合连接的复杂神经动力网络的自适应同步 357
8.1引言 357
8.2问题描述与基础知识 359
8.3自适应同步策略 362
8.4仿真示例 366
8.5小结 373
参考文献 373
第9章 具有时滞的复杂互联神经动力网络的容错同步 376
9.1引言 376
9.2问题描述与基础知识 378
9.3传感器故障时的复杂神经动力网络的被动容错同步 379
9.4基于驱动-响应框架的传感器故障下的自适应容错同步 383
9.5具有期望同步态的自适应容错同步 388
9.6仿真示例 393
9.7小结 402
参考文献 402
第10章 问题总结与展望 407
10.1对控制理论与复杂网络的认识总结 407
10.2复杂网络同步性态源的研究 410
10.3神经动力网络和复杂神经动力网络的未来展望 412