递归时滞神经网络的综合分析与动态特性研究

定　价：¥60.00

作　者：	张化光著
出版社：	科学出版社
丛编项：
标　签：	人工智能

购买这本书可以去

ISBN：	9787030212122	出版时间：	2008-05-01	包装：	精装
开本：	16开	页数：	246	字数：

内容简介

　　《递归时滞神经网络的综合分析与动态特性研究》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。《递归时滞神经网络的综合分析与动态特性研究》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。《递归时滞神经网络的综合分析与动态特性研究》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。

作者简介

　　张化光，1959年5月生。1991年于东南大学热工自动化专业获博士学位，尔后来到东北大学自动控制博士后流动站作两年的博士后科研工作。自1994年起在东北大学控制理论与控制工程专业任教授、博士生导师及电气自动化研究所所长。曾在美国、韩国和香港地区三所大学长期从事合作科研工作及任访问学者。近年来主要从事模糊系统理沦、模糊控制与智能控制、自适应控制、混沌控制、电力系统自动化、新型电机和拖动系统的设计及其自动化的理论研究和工程开发工作。曾获得国家自然科学基金、归国留学人员基金、国家“863”重大专项等资助。曾主持或作为主要科研人员完成了30多项国内外的相关科研项目。4项研究成果分别获国家能源部、辽宁省和国家教委（甲类）科技进步一、二等奖。享受国务院政府特殊津贴。

图书目录

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