時滯遞歸神經網絡的狀態(tài)估計理論與應用

前言第1章 引言 1.1 神經網絡的研究進展 1.2 遞歸神經網絡的分類 1.3 遞歸神經網絡的動力學行為 1.3.1 Lvapunov穩(wěn)定性理論簡介 1.3.2 時滯線性系統(tǒng)的穩(wěn)定性 1.3.3 時滯遞歸神經網絡的穩(wěn)定性 1.4 研究現狀和全書主要內容概述 1.5 幾個常用的引理第一部分 時滯局部場神經網絡的狀態(tài)估計 第2章 時滯局部場神經網絡的狀態(tài)估計(Ⅰ)：基于自由權矩陣的方法 2.1 問題的描述 2.2 時滯局部場神經網絡的狀態(tài)估計器設計 2.3 仿真示例 2.4 本章小結 第3章 時滯局部場神經網絡的狀態(tài)估計(Ⅱ)：基于改進的時滯劃分方法 3.1 問題的描述 3.2 改進的時滯劃分方法的基本思想 3.3 基于改進時滯劃分方法的狀態(tài)估計器設計 3.4 數值結果與比較 3.5 本章小結 第4章 時滯局部場神經網絡的狀態(tài)估計(Ⅲ)：基于松弛參數的方法 4.1 問題的描述 4.2 基于松弛參數的狀態(tài)估計器設計 4.3 在時滯混沌神經網絡中的應用 4.4 本章小結 第5章 具有參數不確定性的時滯局部場神經網絡的魯棒狀態(tài)估計 5.1 問題的描述 5.2 魯棒狀態(tài)估計器的設計 5.3 不帶參數不確定性的時滯局部場神經網絡的狀態(tài)估計 5.4 仿真示例 5.5 本章小結 第6章 時滯局部場神經網絡的保性能狀態(tài)估計 6.1 問題的描述 6.2 依賴于時滯的保H∞性能的狀態(tài)估計器的設計 6.3 依賴于時滯的保廣義H2性能的狀態(tài)估計器的設計 6.4 兩個示例 6.5 討論與比較 6.6 本章小結第二部分 時滯靜態(tài)神經網絡的狀態(tài)估計 第7章 時滯靜態(tài)神經網絡的狀態(tài)估計(Ⅰ)：依賴于時滯的設計方法 7.1 問題的描述 7.2 狀態(tài)估計器的設計 7.3 時滯靜態(tài)神經網絡的穩(wěn)定性分析 7.4 仿真示例 7.5 本章小結 第8章 時滯靜態(tài)神經網絡的狀態(tài)估計(Ⅱ)：保性能狀態(tài)估計的初步結果 8.1 問題的描述 8.2 時滯靜態(tài)神經網絡的保H∞性能的狀態(tài)估計 8.2.1 不依賴于時滯的保H∞性能的狀態(tài)估計 8.2.2 依賴于時滯的保H∞性能的狀態(tài)估計 8.3 保廣義H2性能的狀態(tài)估計器設計 8.3.1 不依賴于時滯的保廣義H2性能的狀態(tài)估計 8.3.2 依賴于時滯的保廣義H2性能的狀態(tài)估計 8.4 仿真示例 8.5 本章小結 第9章 時滯靜態(tài)神經網絡的狀態(tài)估計(Ⅲ)：基于二階積分不等式的保性能狀態(tài)估計 9.1 問題的描述 9.2 基于二階積分不等式的保H∞性能的狀態(tài)估計 9.2.1 依賴于時滯的保H∞性能的設計準則. 9.2.2 仿真示例 9.3 基于二階積分不等式的保廣義H2性能的狀態(tài)估計 9.3.1 依賴于時滯的保廣義H2性能的設計準則 9.3.2 仿真示例 9.4 本章小結 第10章 時滯靜態(tài)神經網絡的狀態(tài)估計(Ⅳ)：Arcak型狀態(tài)估計器設計 10.1 問題的描述 10.2 保廣義H2性能的狀態(tài)估計 10.3 示例與數值比較 10.4 本章小結第三部分 帶馬爾可夫跳躍參數的時滯遞歸神經網絡的狀態(tài)估計 第11章 依賴于系統(tǒng)模態(tài)的帶馬爾可夫跳躍參數和混合時滯的遞歸神經網絡的狀態(tài)估計 11.1 問題的描述 11.2 依賴于系統(tǒng)模態(tài)的狀態(tài)估計器設計 11.3 討論與比較 11.4 具有復雜動力學行為的馬爾可夫跳躍神經網絡的狀態(tài)估計 11.5 本章小結 第12章 帶馬爾可夫跳躍參數的時滯遞歸神經網絡的濾波器設計 12.1 問題的描述 12.2 H∞濾波器的設計 12.3 L2-L∞濾波器的設計 12.4 仿真示例 12.5 本章小結第四部分 時滯遞歸神經網絡的狀態(tài)估計理論在反饋控制方面的應用 第13章 基于狀態(tài)估計理論的時滯遞歸神經網絡的指數鎮(zhèn)定 13.1 問題的描述 13.2 基于狀態(tài)估計的反饋控制 13.3 仿真示例 13.4 本章小結參考文獻本書常用的數學符號