递归时滞神经网络的综合分析与动态特性研究

本书针对一系列递归人工神经网络模型的特性进行透彻的理论分析并加上详细的综合设计方法，尤其是针对带有不同约束条件的递归人工神经网络提出了开创性的综合设计方法。首先介绍了递归神经网络的相关概念，对最常用的Hopfield神经网络进行了定性分析，给出了许多可以借鉴的分析方法，然后着重围绕两类递归神经网络（即Hopfield神经网络和Cohen-Grossberg神经网络）的动态特性进行了较深入的研究。其内容涉及到与时滞无关的Hopfield神经网络和Cohen-Grossberg神经网络全局渐近稳定性的分析；与时滞相关的Cohen-Grossberg神经网络全局稳定性的分析；当范数有界且满足某一匹配条件时，两类时滞递归神经网络的鲁棒稳定性研究等。最后，针对人工神经网络VLSI实现中，遇到的网络中大量相互连接的实现问题，研究了对具有任意预先确定的稀疏互连结构的神经网络的综合过程，这样的综合过程构成了神经网络理论发展的一个重要补充，并且在联想记忆和模式识别等领域有很多潜在的实际应用。书中应用具体的工程实例对每章提出的关键问题进行了说明。本书为递归神经网络的进一步发展提供了重要的理论依据和技术指导