本书正是以带有时滞的递归神经网络 递归时滞神经网络为研究对象，对其进行综合分析及动态特性研究，包括对递归时滞神经网络的平衡点的唯一性、稳定性以及鲁棒稳定性等网络的动态特性的分析与研究。全书共分9章，其中第1章对当前的递归时滞神经网络进行了综合的分析，并介绍了相应的分析方法和数学工具；第2章针对时滞HOpfield神经网络进行包括稳定性和鲁棒稳定性分析在内的综合分析；第3章针对时滞细胞神经网络进行了平衡点稳定性的分析和研究；第4章针对时滞递归神经网络进行动态特性的分析和研究；第5章和第6章针对两类广义递归时滞神经网络进行动态特性的分析和研究；第7章和第8章针对CohenlGrossberg神经网络进行鲁棒稳定性的分析和研究；第9章构造了一种新型的时滞模糊双曲神经网络，并对其动态特性进行了分析和研究。
本书中所讲述的内容是作者近几年的研究成果，内容新颖实用，研究方法先进，属于当前学术界的前沿问题，因此具有重要的理论研究和实际应用价值。
本书系统地研究了递归时滞神经网络的动态特性。全书共九章，针对一系列递归时滞神经网络模型的全局性能进行了分析，给出了时滞、参数摄动、互联结构约束等对其性能的影响。书中所给的动态性能分析方法包括M矩阵、代数不等式以及线性矩阵不等式方法等。本书的主要特点是透彻的性能分析及严谨的理论证明，特别是在时滞、参数摄动以及新型递归神经网络设计等方面提出了开创性的设计与分析方法。书中的内容全部来源于作者近几年来的创新性研究成果，新颖实用，研究方法先进，具有重要的理论研究和实际应用价值。
本书适合于高等院校中应用数学、物理学、控制科学、计算机科学、信息技术等专业的高年级本科生、研究生和教师使用，同时也可供相关的科技人员作为参考书使用。
序
前言
第1章 递归时滞神经网络及系统动态分析基础
1.1 人工神经网络简介
1.2 递归神经网络简介
1.3 时滞对递归神经网络动态特性的影响
1.4 神经元的激励和抑制对网络动态特性的影响
1.5 递归时滞神经网络的动态特性分析方法和内容
1.6 递归时滞神经网络动态特性分析的预备知识
参考文献
第2章 时滞Hopfield神经网络的综合分析
2.1 引言
2.2 单时滞不对称Hopfield神经网络的动态特性分析
2.3 单时滞Hopfield神经网络模型的鲁棒稳定性分析
2.4 多定常时滞不对称Hopfield神经网络模型的动态特性分析
2.5 多定常时滞Hopfield神经网络模型的鲁棒稳定性分析
参考文献
第3章 时滞细胞神经网络的动态特性研究
3.1 相关假设和引理
3.2 多时滞细胞神经网络的动态特性分析
3.3 具有混合时滞的细胞神经网络的动态特性分析
参考文献
第4章 时滞递归神经网络的综合分析
4.1 多时变时滞递归神经网络的动态分析
4.2 多时变时滞递归神经网络的鲁棒稳定性分析
参考文献
第5章 第一类广义递归时滞神经网络的综合分析
5.1 第一类广义递归时滞神经网络
5.2 多时变时滞递归神经网络时滞依赖稳定性判据
5.3 多时变时滞递归神经网络时滞独立稳定性判据
5.4 第一类广义多时变时滞递归神经网络动态特性分析
5.5 第一类广义多时滞参数摄动递归神经网络的鲁棒稳定性分析
5.6 第一类广义多时变时滞递归神经网络鲁棒稳定性分析
参考文献
第6章 第二类广义递归时滞神经网络的动态特性分析
6.1 第二类广义递归时滞神经网络
6.2 第二类广义多时变时滞递归神经网络动态特性分析
6.3 带有分布时滞的变系数第二类广义递归神经网络动态特性分析
参考文献
第7章 时滞Cohen-Grossberg神经网络的综合分析
7.1 引言
7.2 单时滞不对称Cohen-Grossberg神经网络模型的动态特性分析
7.3 单时滞Cohen-Grossberg神经网络模型的时滞依赖稳定性分析
7.4 单时滞Cohen-Grossberg神经网络模型鲁棒稳定性分析
7.5 多时滞Cohen-Grossberg神经网络模型的稳定性
7.6 多时滞Cohen-Grossberg神经网络模型的鲁棒稳定性
参考文献
第8章 时变时滞区间Cohen-Grossberg神经网络的鲁棒稳定性分析
8.1 引言
8.2 问题描述
8.3 相关假设和引理
8.4 时滞区间Cohen-Grossberg神经网络的鲁棒稳定性分析
参考文献
第9章 时变时滞模糊双曲神经网络的动态特性分析
9.1 引言
9.2 相关基础知识
9.3 时变时滞模糊系统和时变时滞模糊基函数
9.4 时变时滞模糊双曲神经网络的模型和实现
9.5 时变时滞模糊双曲神经网络的稳定性分析
参考文献
索引
本书中使用的符号
