第1章 绪论 1
1.1 时滞非线性系统及其背景概述 1
1.2 稳定性研究概述 7
1.3 本书涉及的主要问题 11
1.3.1 时滞神经网络 11
1.3.2 一维整数格时滞细胞神经网络的行波解的稳定性 13
1.3.3 基于不定干扰器的分数阶系统的控制与稳定 14
1.4 本书的内容和结构 14
1.5 常用符号 15
第2章 随机时滞神经网络的均方稳定性 17
2.1 引言 17
2.2 问题和引理 17
2.3 均方渐近稳定性 20
2.4 均方指数稳定性 24
2.5 小结 29
第3章 时滞神经网络的周期解和指数稳定性 30
3.1 背景和引理 30
3.2 周期解和指数稳定性 31
3.3 小结 41
第4章 一类递归时滞神经网络的稳定性 42
4.1 引言 42
4.2 全局指数稳定性分析 46
4.2.1 平衡点的存在唯一性 46
4.2.2 主要结果 47
4.2.3 数值例子 51
4.3 脉冲指数稳定性 53
4.3.1 预备知识和引理 53
4.3.2 随机系统 66
4.3.3 脉冲时滞系统 69
4.4 不定神经网络的均方渐近稳定性分析 74
4.4.1 预备知识 74
4.4.2 鲁棒稳定性分析 75
4.4.3 数值例子 82
4.5 小结 83
第5章 不确定脉冲双向时滞神经网络的鲁棒稳定与镇定 84
5.1 背景 84
5.2 系统的描述和引理 85
5.3 脉冲指数稳定性 87
5.4 数值例子 94
5.5 小结 98
第6章 Cohen-Grossberg型神经网络的稳定与镇定 99
6.1 引言 99
6.2 预备知识 100
6.3 稳定性分析 102
6.4 脉冲稳定性与镇定 104
6.4.1 系统描述及准备知识 104
6.4.2 鲁棒全局渐近均方镇定 104
6.5 小结 110
第7章 非线性细胞神经网络行波解的指数稳定性 111
7.1 背景 111
7.2 有关引理 115
7.3 主要结果 115
7.4 小结 122
第8章 微分积分时滞神经网络的全局渐近稳定性 123
8.1 背景和预备知识 123
8.2 主要结果 125
8.3 例子 129
8.4 小结 130
第9章 不定干扰估计与分数阶神经网络的稳定与镇定 131
9.1 背景 131
9.2 主要结果 131
9.3 小结 133
第10章 分流抑制神经网络几乎周期解的存在稳定性 134
10.1 背景和引理 134
10.2 几乎周期解的存在性 136
10.3 几乎周期解的稳定性 144
10.4 小结 148
第11章 总结和展望 149
11.1 总结 149
11.2 展望 150
参考文献 151
编后记 164