新書推薦：
《
收尸人
》
售價：HK$
72.8
《
大模型应用开发：RAG入门与实战
》
售價：HK$
89.4
《
不挨饿快速瘦的减脂餐
》
售價：HK$
67.0
《
形而上学与存在论之间：费希特知识学研究（守望者）（德国古典哲学研究译丛）
》
售價：HK$
110.7
《
卫宫家今天的饭9 附画集特装版（含漫画1本+画集1本+卫宫士郎购物清单2张+特制相卡1张）
》
售價：HK$
132.2
《
化妆品学原理
》
售價：HK$
55.8
《
万千教育学前·与幼儿一起解决问题：捕捉幼儿园一日生活中的教育契机
》
售價：HK$
47.0
《
爱你，是我做过最好的事
》
售價：HK$
55.8
|
| 編輯推薦： |
1）比例时滞是不同于常时滞、可变时滞、分布时滞的一种无界时变时滞.具比例时滞神经网络的优点是可以根据比例时滞因子的大小及网络所能允许的最大时滞来确定网络的运行时间.
2）本书旨在引领具比例时滞神经网络动力学的深入研究，为具比例时滞神经网络的实际应用奠定一定的理论基础.
|
| 內容簡介： |
|
本书系统地介绍了若干具比例时滞递归神经网络模型和各种稳定性.通过构造Lyapunov泛函、时滞微分不等式、非线性测度、内积性质和线性矩阵不等式等方法讨论了具比例时滞递归神经网络的渐近稳定性、多项式稳定性、周期性、概周期性及反周期性、散逸性等性质，并且给出相应的数值算例及仿真．同时对具比例时滞神经网络在二次规划问题的求解方面的应用进行了初步探讨．本书旨在引领具比例时滞神经网络动力学的深入研究，对具比例时滞神经网络的实际应用奠定一定的理论基础．
|
| 關於作者： |
|
周立群，天津师范大学数学科学学院教授，工学博士.主要从事神经网络及应用的研究.2011年提出比例时滞神经网络，开启了比例时滞神经网络的研究历程.目前重点研究具比例时滞递归神经网络的动力学行为，包括渐近稳定性、指数稳定性、多项式稳定性、周期性、散逸性、同步性、无源性、吸引性等.发表了专业学术论文50余篇，其中是SCI检索与EI检索论文近30篇，SCI二区论文10篇.主持天津市自然科学基金项目《具比例时滞复杂神经网络的动力学行为于仿真研究》、天津市高校中青年骨干教师培养计划项目《具比例时滞神经网络的稳定性研究》及天津市科技发展基金项目1项等，作为主研人参与国家自然科学基金项目2项.参编教材1本.
|
| 目錄：
|
前言
第1章绪论1
1.1递归神经网络概述1
1.2时滞递归神经网络8
1.3比例时滞递归神经网络简介9
1.4时滞微分方程稳定性理论13
1.4.1时滞微分方程稳定性定义14
1.4.2Lyapunov函数和Lyapunov稳定性理论15
1.5比例时滞微分方程16
1.5.1比例时滞微分方程简介16
1.5.2非线性变换18
1.6重要数学定义和常用的引理20
1.7符号说明22
参考文献22
第2章具单比例时滞细胞神经网络的渐近稳定性30
2.1基于M-矩阵的具比例时滞细胞神经网络的渐近稳定性30
2.1.1模型描述及预备知识30
2.1.2全局渐近稳定性31
2.1.3数值算例及仿真37
2.2基于矩阵理论的具比例时滞细胞神经网络的全局渐近稳定性39
2.2.1模型描述及预备知识39
2.2.2全局渐近稳定性40
2.2.3数值算例及仿真44
2.3基于LMI的具比例时滞细胞神经网络的全局渐近稳定性46
2.3.1模型描述及预备知识46
2.3.2全局渐近稳定性47
2.3.3数值算例及仿真50
参考文献51
第3章具多比例时滞递归神经网络的渐近稳定性54
3.1具不等比例时滞细胞神经网络的全局渐近稳定性54
3.1.1模型描述及预备知识54
3.1.2平衡点的存在性和唯一性55
3.1.3全局渐近稳定性58
3.1.4数值算例及仿真59
3.2具多比例时滞递归神经网络的全局渐近稳定性59
3.2.1模型描述及预备知识60
3.2.2平衡点的存在性和唯一性60
3.2.3全局渐近稳定性62
3.2.4数值算例与仿真66
3.3具多比例时滞递归神经网络的全局一致渐近稳定性68
3.3.1模型描述及预备知识68
3.3.2全局一致渐近稳定性69
3.3.3数值算例及仿真72
3.4具比例时滞神经网络时滞依赖与时滞独立的渐近稳定性73
3.4.1模型描述及预备知识73
3.4.2全局渐近稳定性74
3.4.3数值算例及仿真81
参考文献82
第4章具比例时滞递归神经网络的多项式稳定性85
4.1基于时滞微分不等式的细胞神经网络的多项式稳定性85
4.1.1模型描述及预备知识85
4.1.2指数稳定性与多项式稳定性87
4.1.3数值算例及仿真90
4.2基于非线性测度的递归神经网络的多项式稳定性92
4.2.1模型描述及预备知识92
4.2.2指数稳定性与多项式稳定性94
4.2.3数值算例及仿真98
4.3具多比例时滞递归神经网络的时滞独立的多项式稳定性98
4.3.1模型描述及预备知识99
4.3.2指数稳定性与多项式稳定性100
4.3.3数值算例及仿真102
4.4具多比例时滞递归神经网络时滞依赖的多项式稳定性103
4.4.1模型描述及预备知识104
4.4.2指数稳定性与多项式稳定性105
4.4.3数值算例及仿真109
4.5基于时滞微分不等式的递归神经网络的多项式稳定性111
4.5.1数学模型及预备知识112
4.5.2平衡点的存在唯一性113
4.5.3全局多项式稳定性115
4.5.4数值算例及仿真118
4.6基于Young不等式的具多比例时滞递归神经网络的多项式稳定性119
4.6.1模型描述及预备知识119
4.6.2平衡点的存在唯一性120
4.6.3指数稳定性与多项式稳定性123
4.6.4数值算例及仿真126
4.7具多比例时滞广义细胞神经网络的全局多项式稳定性128
4.7.1模型描述及预备知识128
4.7.2多项式稳定性分析129
4.7.3数值算例及仿真 134
4.8具比例时滞Cohen-Grossberg神经网络的全局多项式稳定性136
4.8.1模型描述及预备知识137
4.8.2指数稳定性与多项式稳定性138
4.8.3数值算例及仿真143
参考文献144
第5章具比例时滞BAM神经网络的多项式稳定性148
5.1BAM神经网络的全局多项式稳定性148
5.1.1模型描述与预备知识148
5.1.2平衡点的存在性和唯一性150
5.1.3全局指数稳定性152
5.1.4全局多项式稳定性155
5.1.5数值算例及仿真156
5.2BAM神经网络时滞独立的多项式稳定性158
5.2.1模型描述及预备知识158
5.2.2平衡点的存在性和唯一性161
5.2.3全局指数稳定性162
5.2.4全局多项式稳定性166
5.2.5数值算例及仿真167
5.3BAM神经网络时滞依赖的多项式稳定性171
5.3.1模型描述及预备知识171
5.3.2平衡点的存在性和唯一性173
5.3.3指数稳定性与多项式稳定性174
5.3.4数值算例及仿真178
参考文献179
第6章具比例时滞递归神经网络的周期解的稳定性181
6.1具多比例时滞递归神经网络的多项式周期性与稳定性181
6.1.1模型描述及预备知识181
6.1.2多项式周期性与稳定性183
6.1.3数值算例及仿真189
6.2具比例时滞神经网络概周期解的多项式稳定性191
6.2.1模型描述及预备知识192
6.2.2概周期解的存在性和唯一性194
6.2.3概周期解的多项式稳定性195
6.2.4数值算例及仿真198
6.3具比例时滞分流抑制细胞神经网络概周期解的全局吸引性200
6.3.1模型描述及预备知识201
6.3.2概周期解的存在性和唯一性202
6.3.3概周期解的全局吸引性204
6.3.4数值算例及仿真207
6.4具比例时滞递归神经网络反周期解的多项式稳定性209
6.4.1模型描述及预备知识209
6.4.2反周期解的全局多项式稳定性211
6.4.3数值算例及仿真214
参考文献215
第7章具比例时滞递归神经网络的散逸性218
7.1具单比例时滞递归神经网络的散逸性218
7.1.1模型描述及预备知识218
7.1.2散逸性分析219
7.1.3数值算例及仿真222
7.2具多比例时滞递归神经网络的散逸性224
7.2.1模型描述及预备知识224
7.2.2散逸性分析（一）225
7.2.3散
|
| 內容試閱：
|
神经网络所具有的非线性映射特性、高度并行的运算能力、联想存储功能、自组织自学习能力使其广泛应用于联想记忆、模式识别、图像处理、信息工程、机器人控制等领域.这些应用大都要求神经网络是稳定的，又因为网络运行中时滞是不可避免的，因此时滞神经网络的各种稳定性得到国内外学者的广泛研究.
2004—2007年，我在哈尔滨工业大学读博士期间，有幸参加了刘明珠教授的时滞微分方程数值解的研究生讨论班，在这里接触到了比例时滞.期间我查阅国内外大量文献，发现关于时滞神经网络的动力学行为的研究都集中在常时滞、变时滞、分布时滞或混合时滞等神经网络.但是没有任何关于具比例时滞神经网络研究的相关报道.比例时滞也是众多时滞之一，是一种无界时变时滞.由于神经网络具有大量不同尺寸轴突的并行路径的空间属性，所以在一段时间内，通过引入连续的比例时滞建立模型是值得期待的.换句话说，根据神经网络的拓扑结构与实际神经网络模型（即电路系统）的材料选择不同，在某些神经网络中引入比例时滞是完全合理的.当时我就试着研究具比例时滞的神经网络的稳定性，但是一般的研究方法都无法直接处理比例时滞的无界性，这可能就是当时没有有关具比例时滞神经网络研究报告的原因之一.具比例时滞神经网络属于比例时滞微分方程的范畴，但比例时滞微分方程的发展相对缓慢，至今还未形成完善的理论体系，这或许是制约具比例时滞神经网络发展的另一个原因.郑祖麻先生曾指出：针对各种具体问题得到的具无界时滞的微分方程，利用经典分析方法给出详尽的研究是十分有意义的.这句话更加坚定了我的信心，之后的几年一直致力于寻求研究具比例时滞神经网络动力学行为的有效的研究方法.因为若能研究得到具比例时滞神经网络动态行为的相关性质和理论，对建立和构造具体可实际应用的具比例时滞神经网络将起到非常重要的理论指导作用.
经过坚持不懈的努力与探究，2011年，我首次将比例时滞引入细胞神经网络，提出具比例时滞细胞神经网络模型，自此开启了具比例时滞神经网络动力学研究的历程.比例时滞是不同于常时滞、可变时滞、分布时滞的一种无界时变时滞.具比例时滞神经网络的优点是可以根据比例时滞因子的大小及网络所能允许的最大时滞来确定网络的运行时间.
本书是我近年来一些研究成果的总结，主要内容都是从我和学生近年来发表的论文中所提炼的，其中有些结果还处于待发表阶段.全书以各种具比例时滞递归神经网络为主线对各种具比例时滞神经网络的稳定性进行论述，并通过诸多数值算例进行仿真阐释.
本书内容安排如下：
第1章概述了递归神经网络、时滞递归神经网络、具比例时滞神经网络研究情况，时滞微分方程稳定性理论，比例时滞微分方程等.
第2章介绍了具单比例时滞细胞神经网络的渐近稳定性.
第3章介绍了具多比例时滞递归神经网络的渐近稳定性.
第4章介绍了具比例时滞递归神经网络的多项式稳定性.多项式稳定性是较指数稳定性更一般的一种稳定性，通过非线性变换将具比例时滞神经网络变换为常时滞和变系数神经网络，通过讨论变换后的模型平衡点的全局指数稳定性，来探讨比例时滞神经网络平衡点的多项式稳定性.
第5章介绍了具比例时滞双向联想神经网络的多项式稳定性.
第6章介绍了具比例时滞递归神经网络的周期解的稳定性.包括：具多比例时滞递归神经网络的多项式周期性与稳定性；具比例时滞神经网络概周期解的多项式稳定性；具比例时滞分流抑制细胞神经网络概周期解的全局吸引性；具比例时滞递归神经网络反周期解的多项式稳定性.
第7章介绍了具比例时滞神经网络的散逸性.
第8章介绍了具比例时滞二阶神经网络的稳定性，包括具比例时滞二阶Hopfield神经网络的多项式稳定性和具比例时滞高阶广义细胞神经网络多项式周期性.
第9章对基于比例时滞Lagrange神经网络稳定性的求解二次规划最优解问题进行了初步探讨.
目前具比例时滞神经网络动力学行为研究还处在发展的初期，还有巨大的研究与发展空间.本书旨在引领具比例时滞神经网络动力学的深入研究，为具比例时滞神经网络的实际应用奠定了一定的理论基础.
由于篇幅有限，本书尚有许多具比例时滞递归神经网络的动力学内容和方法没有涉及，有兴趣的读者可在本书所附的参考文献中查到具体文章.本书部分内容来源于研究生讨论班，感谢这期间已经毕业的研究生张迎迎、常青、翁梁燕、赵山崎、刘纪茹、刘学婷、赵忠颖、苏丽娟、郭盼盼等，他们的很多建议和部分硕士学位论文充实了本书内容.
在本书编写过程中，天津师范大学王贵君教授给予了指导，赵志学老师对部分数值仿真程序的编写给予了无私的帮助，英国利物浦大学刘凯教授对多项式稳定性的概念及相关文献给予了大力支持，东南大学博士后赵桂华老师对本书提出了宝贵的意见，研究生苏丽娟和郭盼盼将我的部分已发表英文文章翻译成中文，周瑞和邢琳对部分手稿进行了校订，在此一并向他们表示衷心的感谢.
最后，诚挚感谢天津市高校中青年骨干教师创新人才培养计划项目（No.135305JF63）和天津市自然科学基金项目（No.18JCYBJC85800）的基金资助，感谢天津师范大学数学科学学院领导的关心与支持.
由于作者水平有限，书中难免存在不妥之处，恳请广大读者批评指正，提出宝贵意见.
周立群
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
