一、双阈值二元神经网络模型解的收敛性（论文文献综述）
李东明[1]（2021）在《医学显微细胞图像分割研究》文中研究指明医学显微细胞图像处理涵盖了人工智能、图像处理、计算机视觉、生物医学等领域,在临床诊断过程中发挥着重要作用。通过对医学显微细胞图像分割来量化细胞行为,这对组织细胞分类、细胞变异、DNA损伤检测、血液学、癌症研究等生物医学研究具有重要价值。本文以课题组自建人类口腔黏膜细胞图像数据库作为图像源,主要围绕基于结构光照明的荧光显微成像系统设计与细胞图像获取、医学显微细胞图像增强处理以及医学显微细胞图像分割方法开展研究工作。主要研究内容及成果如下:1.完成了基于结构光照明的荧光显微成像系统的设计与细胞图像获取。通过分析光学成像过程中衍射极限分辨率问题,结合结构光照明荧光显微成像过程及图像重构算法,建立结构光照明生成方案,提出了一种基于DMD及LED的二维宽场结构光照明荧光显微光学成像系统,通过该系统对口腔黏膜细胞进行超分辨成像,并对成像系统进行标定,实现SIM超分辨成像。这是后续医学显微细胞图像后处理的前提和关键。2.建立了一种基于双树复小波变换及形态学的鲁棒的医学显微细胞图像增强方法。首先对获取的医学显微细胞图像进行预处理;然后,引入双树复小波变换策略,将医学显微细胞图像分解为高通子带和低通子带;接着,提出一种基于小波域的Contourlet变换的高通子带去噪方法,结合Bayesian Shrink原理获得阈值,然后改进去噪方法,考虑邻域局部相关性,采用自适应最优阈值实现去噪;对于低通子带增强,提出了一种基于改进形态学top-hat变换法,它可以自适应地实现等效百分比增强和多尺度多方向变换。最后,对上述处理后的增强的低频子图像和高频子图像采用逆DTCWT变换,得到增强后的医学显微细胞图像。3.建立了一种新的加权曲率和灰度距离变换的粘连细胞图像分割方法。该方法以双阈值迭代法计算细胞、细胞核阈值,采用分水岭变换实现细胞图像的三分类的初分割。以此为基础,通过轮廓点曲率计算,建立分割线,提出了一种关联灰度图像的距离变换方法,通过阈值法获得标记图像;接着,采用标记控制的分水岭变换进行二次分割,实现粘连细胞分割。实验结果表明,该方法对于复杂的粘连细胞有较好的分割效果。4.建立了一种基于图模型的多分类医学显微细胞图像分割方法。以图模型和卷积型多尺度融合FCN网络为基础,建立过分割细胞图像的多树模型,提出一种基于图模型的分割方法,结合多树模型的先验信息,求解多树模型的后验的封闭形式解决方案,搭建图像分割网络框架,建立图像质量评价函数。实验验证表明,基于图模型的细胞图像分割方法,提取的细胞边界平滑,能连续地提取出双核细胞,同时能够很好地分割细胞核及背景信息,与人工标注图像轮廓非常接近。5.建立了一种基于神经常微分方程的医学显微细胞图像分割方法。该方法以U-Net卷积神经网络模型为基础,通过做对比实验,确定将常微分方程ODE模块加入到U-Net网络中的具体位置,提出了一种基于神经常微分方程及U-Net的细胞图像分割网络模型（简称为NODEs-Unet网络架构）;然后通过调整ODE模块的误差容忍度增加网络深度,提出一种基于NODEs-Unet网络的二元分割网络（简称为2NODEs-Unet）。实验验证表明,基于神经常微分方程的细胞图像分割方法在不增加网络模型的参数的情况下,增加了网络模型的深度,且计算复杂度低,能够成功地分割出背景、细胞和细胞核,边界清晰、细节完整,非常接近于人工标注。
郑飞艳[2]（2010）在《几类时标时滞神经网络模型的定性性质》文中研究指明本文通过运用时标下的动力学方程的基本理论,首先考虑了在一类特殊时标上一元时滞神经网络模型周期解的存在性及其渐近性,其次讨论了一类二元双阈值时滞神经网络模型解的渐近性质.时标理论统一了离散和连续情形下动力学方程的动力性质,因此,研究时标神经网络模型的定性性质,具有重要的理论意义和一定的应用前景.本文由三章构成.第一章简要介绍了问题研究的背景、意义以及本文的主要工作和本文用到的一些时标知识.第二章研究当信号函数为0时一类特殊时标下一元时滞神经网络模型周期解的存在性.根据信号函数的不连续性,通过迭代,得到该神经网络模型周期解的存在性及其渐近稳定性.第三章重点研究了当信号函数为时一类二元双阈值时滞神经网络模型解的渐近性质.对于信号函数的不同阈值范围,我们分三种情况进行了讨论,获得了动力系统的不同渐近性质.
卢金平[3]（2007）在《两类二元时滞神经网络模型解的定性研究》文中研究表明本文研究了一类单阈值二元时滞神经网络模型和一类双阈值二元时滞神经网络模型解的动力学性质.对于这两类具有时滞的神经网络模型,我们利用分步法把复杂的时滞状态方程化成常微分方,通过解常微分方程来研究模型解的动力学性质.在上述两类模型中,我们既考虑了两个神经元之间的相互影响,又考虑了神经元自身的反馈信息,特别是,这两类模型考虑了两个神经元之间的互动关系,即:只有当神经元本身处于活跃状态时,才能接受来自另一个神经元的影响,这是符合客观实际的.本文对上述两类模型的各个不同参数的取值进行划分,在每一个不同的划分区域内,对不同的初值对应的解进行讨论来判断解是收敛的还是周期的.本篇论文由三章构.第一章主要介绍了人工神经网络研究的背景、意义及进展情况,并简单介绍了本文的主要工作和所需的一些符号.第二章研究了一类单阈值二元时滞神经网络模型解的收敛性,我们发现在某些情形下该模型的解是收敛的.第三章首先讨论了一类双阈值二元时滞神经网络模型同步解的动力学性态,到了一些关于解的收敛性和周期性的存在性结果;然后研究了该模型去同步解的收敛性,获得了一些有趣的结果.我们的结果表明时滞对该模型解的动力学性态有着极大的影响.
阳连武,于国圣,张弘强[4]（2006）在《二元具自反馈双阈值时滞神经网络模型解的渐近性》文中进行了进一步梳理研究一类具时滞和非连续型信号函数的双阈值二元神经网络模型解的渐近性,在一定的初始函数空间内,对信号函数阈值的一些不同取值范围,证明了其解的收敛性.
刘开宇,厉亚,王志成[5]（2006）在《两类双阈值二元神经网络模型的渐近行为》文中指出考虑两类双阈值二元神经网络模型,研究了具变号型初值解的渐近行为。结果表明:对大阈值情形,模型有唯一平衡点;对临界阈值情形,模型有两个或三个平衡点。进一步,在临界阈值情形,对时滞τ、阈值σ及初值Φ建立了保证系统趋于不同平衡点之一的充要条件。这些结论对相关文献作了较大推广。
贾仁伟[6]（2006）在《一类二元离散神经网络的动力学性质》文中提出本文研究如下离散二元神经网络模型的解当n→∞时的状态，这里λ∈（0，1）是常数，p，q是非负常数；|x|+表示：信号传输函数f为三段常数非线性函数，表达式为 在此模型中，既考虑了两个神经元之间的相互影响，也考虑了神经元自身的信息反馈。当神经元本身处于活跃状态时，能接受来自另一神经元的影响；当神经元不活跃时则对另一神经元有反作用；当神经元活跃过度时对另一神经元没有任何作用，文中对上述模型中的各不同参数的取值进行划分，在每一个不同的划分区域内，对不同的初值对应的解（xn，yn）进行讨论，判断解的收敛情况。全文共由三章组成。第一章主要介绍了问题研究的背景、意义及进展情况，并介绍了文中所需的一些符号。第二章研究当p=q=0时模型解的收敛性，得到了解的收敛情况。第三章研究p=0或q=0时解的收敛情况，我们证明了a=0，b=1时的收敛情形。
曹栋[7]（2006）在《几类环状三元神经网络系统的动力学分析》文中研究说明环状三元神经网络系统具有十分重要的生物和物理背景,大量的神经网络模型都是以这样的形式被提出来的.本学位论文对几类环状三元神经网络模型的动力学性质进行了分析,讨论了这些神经网络模型的稳定性以及极限环的存在性.首先,我们讨论了一类具有不连续信号传输函数的环状三元神经网络模型,得到了在一定的参数条件下该系统收敛至平衡点.接着,我们讨论了一类带有时滞的环状三元神经网络模型:其中每个神经元都受到两个输入,一个是来自它的下一个神经元的抑制作用,另一个是来自它的上一个神经元的激励作用.利用该系统的对称性和泛函微分方程的理论,我们得到:在阈值不小于1/2时,系统解的收敛性.最后,我们讨论了一类具有不对称的信号函数的环状三元神经网络模型,我们对阈值大于1/2的情况进行了分析,发现系统的解表现出非常丰富的动力学性质,在初始值属于某些区域时是收敛的,另一些区域则可能收敛至极限环.通过对上面的三个模型的讨论分析,我们可以得到如下结论:时滞和信号函数对神经网络模型的动力学性质有十分重要的影响.模型一不带时滞,其解的性质比较简单;模型二加上了时滞,它的解在一定的阈值条件下是收敛的,但是系统具有多个平衡收敛点;模型三最为复杂,它既带有时滞,信号函数也是非对称的,它的动力学性质最为复杂:出现了极限环.也因为同样的原因,它最能反映真实的情况.
张耀祥[8]（2006）在《一类二元神经网络时标模型解的渐近性研究》文中认为本文通过运用在时标下的动力学方程的基本理论，考虑一类具时滞的二元神经网络模型解的渐近性质。时标理论最早是由Stefan Hilger在他的博士论文中提出的，其目的是统一在离散和连续情形下动力学方程的动力性质。在时标下动力学方程的研究揭示了动力学方程在离散和连续条件下所表现出来的性质的异同。由于该系统可以看作二元神经网络模型在离散和连续情形下的统一，因此采用时标下的新理论来分析问题可为神经网络的理论研究提供新的思路。 全文共由三章组成。第一章首先简要介绍了问题研究的背景、意义以及进展情况，紧接着介绍了本论文必须用到的一些时标知识。第二章重点研究了当信号传输函数为McCulloch-Pitts函数时，模型解的渐近性质。关于该信号传输函数的阈值，我们分三种情况进行了讨论。从本章的研究结果可以看出，对应于不同的信号传输函数和不同范围内的阈值，系统解的动力学行为表现出了不同的性质。而这些是符合客观实际的。第三章研究信号函数为分段常数非线性函数时模型解的渐近行为。对于本章信号函数的阈值，我们同样做出了详细的分类。虽然在这一章中信号函数也为二段分段非线性常数函数，但是因为当该分段函数的值为零时，自变量可以来自两个区间中的任何一个，所以和第二章相比，讨论就显得更为复杂，尤其是当阈值为1时讨论系统解的大时间状态。我们获得了一些精致的结果。
周铁军,戴斌祥,刘一戎[9]（2005）在《一类二元离散神经网络周期解的存在性》文中提出研究具三段常数不连续信号传递函数的二元离散神经网络模型周期解的存在性,获得存在性与吸引性的充分条件.
段海兰[10]（2005）在《一类二元时滞神经网络模型解的定性研究》文中研究指明本文研究下面具时滞的二元神经网络模型解的大时间状态,这里μ>0,表示内部衰减率;a,b>0为已知常数;τ>0表示突触滞后;[x]+表示:假定其信号传输函数f和g为McCulloch-Pitts型函数,即在此模型中,既考虑了两个神经元之间的相互影响,也考虑了神经元自身的信息反馈,特别是,该模型考虑到了两个神经元的互动关系,即只有当神经元本身处于活跃状态时,才能接受来自另一神经元的影响,这是符合客观实际的。文中对上述模型中的各不同参数的取值进行划分,在每一个不同的划分区域内,对不同的初值对应的解（x（t）,y（t））T进行讨论,利用（x（t）-σ1）（y（t）-σ2）=0,可以求出一系列的tn,从而可以求出x（t）,y（t）在tn+τ上的值,然后判断解是收敛的还是周期的。 全文共由三章组成。第一章主要介绍了问题研究的背景、意义及进展情况,并介绍了文中所需的一些符号。第二章研究当σ1≠σ2时模型解的收敛性。我们证明了在大多数情况下,解是收敛的;对于其它的情况,我们证明了在一种特殊情况下模型的解也是收敛的。第三章研究当σ1=σ2时模型同步解的周期性。从第二章的一些结论的证明中可以看出对此种情形,在大多数情况下解是收敛的,而此章的结论表明模型在某些情形下存在周期解。
二、双阈值二元神经网络模型解的收敛性（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、双阈值二元神经网络模型解的收敛性（论文提纲范文）
（1）医学显微细胞图像分割研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 医学图像分类及医学显微成像技术概述 |
| 1.2.1 医学图像的分类 |
| 1.2.2 不同类型的显微成像技术 |
| 1.2.3 结构光照明荧光显微成像技术 |
| 1.3 医学显微细胞图像分割的研究现状 |
| 1.3.1 手动分割技术 |
| 1.3.2 半自动分割技术 |
| 1.3.3 自动分割技术 |
| 1.4 论文的课题来源及组织结构 |
| 1.4.1 论文的课题来源 |
| 1.4.2 论文的组织结构 |
| 第2章 基于结构光照明的荧光显微成像系统设计与图像获取 |
| 2.1 荧光显微成像技术 |
| 2.1.1 荧光显微成像原理 |
| 2.1.2 荧光显微镜工作原理 |
| 2.2 衍射极限分辨率 |
| 2.3 结构光照明荧光显微成像原理 |
| 2.3.1 基于结构光照明的荧光显微镜结构 |
| 2.3.2 结构光照明荧光显微镜成像算法 |
| 2.4 二维宽场结构光照明荧光显微光学成像系统设计 |
| 2.4.1 结构光照明生成方案及光路设计 |
| 2.4.2 LED光源 |
| 2.4.3 数字微镜阵列DMD |
| 2.4.4 本系统的其他关键器件 |
| 2.5 结构光生成模块设计 |
| 2.6 医学显微细胞图像获取 |
| 2.6.1 成像系统标定 |
| 2.6.2 口腔粘膜细胞的成像实验 |
| 2.7 口腔黏膜细胞显微图像的特点 |
| 2.8 本章小结 |
| 第3章 基于双树复小波变换及形态学的医学显微细胞图像增强方法 |
| 3.1 医学图像增强方法概述 |
| 3.2 医学显微细胞图像增强算法流程 |
| 3.3 双树复小波变换(DTCWT)的基本原理 |
| 3.4 基于DTCWT及形态学的医学显微细胞图像增强算法 |
| 3.4.1 WBCT法对高通子带去噪 |
| 3.4.2 改进的形态学top-hat变换法对低通子带增强 |
| 3.4.3 医学显微细胞图像增强算法实现 |
| 3.5 实验结果与分析 |
| 3.5.1 实验设置 |
| 3.5.2 细胞图像增强结果主观评价 |
| 3.5.3 细胞图像增强结果客观评价 |
| 3.6 本章小结 |
| 第4章 基于加权曲率和灰度距离变换的粘连医学显微细胞图像分割方法 |
| 4.1 分水岭变换 |
| 4.2 快速的双阈值标记分水岭变换的图像分割方法 |
| 4.2.1 双阈值迭代法构建标记图像 |
| 4.2.2 双阈值标记分水岭变换的图像分割算法实现 |
| 4.3 基于加权曲率和灰度距离变换的粘连细胞图像分割方法 |
| 4.3.1 判断粘连细胞 |
| 4.3.2 曲率计算及确定凹点 |
| 4.3.3 建立分割线 |
| 4.3.4 关联灰度细胞图像的距离变换 |
| 4.3.5 基于加权曲率和灰度距离变换的粘连细胞图像分割算法实现步骤 |
| 4.3.6 粘连细胞核的分割方法 |
| 4.4 粘连细胞图像分割实验结果及分析 |
| 4.4.1 粘连细胞图像分割结果主观评价 |
| 4.4.2 粘连细胞图像分割结果客观评价 |
| 4.5 本章小结 |
| 第5章 基于图模型的医学显微细胞图像分割方法 |
| 5.1 多树模型建立 |
| 5.1.1 图模型概述 |
| 5.1.2 多树模型的建立 |
| 5.2 增加先验信息的多树图 |
| 5.3 标签推理 |
| 5.4 构建基于卷积多尺度融合FCN的多树深度特征 |
| 5.4.1 卷积型多尺度融合FCN网络 |
| 5.4.2 基于卷积型多尺度融合FCN的细胞图像分割框架 |
| 5.5 医学显微细胞图像分割实验结果及分析 |
| 5.5.1 图像数据扩充和实验环境 |
| 5.5.2 评价指标 |
| 5.5.3 实验结果及分析 |
| 5.6 本章小结 |
| 第6章 基于神经常微分方程的医学显微细胞图像分割方法 |
| 6.1 U-Net网络 |
| 6.2 神经常微分方程 |
| 6.2.1 神经网络知识 |
| 6.2.2 神经常微分方程 |
| 6.3 构建基于NODEs的神经网络模型 |
| 6.3.1 ODE模块位置 |
| 6.3.2 NODEs-Unet神经网络架构 |
| 6.3.3 基于NODEs-Unet网络的二元分割 |
| 6.4 细胞图像分割实验结果及分析 |
| 6.4.1 本章提出的网络架构分割结果 |
| 6.4.2 细胞图像分割实验结果 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文主要工作 |
| 7.2 论文创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
| 致谢 |
（2）几类时标时滞神经网络模型的定性性质（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 问题研究的背景和意义 |
| 1.2 问题的提出及本文的主要工作 |
| 1.3 有关时标的一些基本知识 |
| 第2章 一类特殊时标上时滞神经网络模型的周期解 |
| 2.1 引言 |
| 2.2 主要结果及其证明 |
| 第3章 二元双阈值神经网络模型的渐近性态 |
| 3.1 引言 |
| 3.3 |σ1| = 1且|σ2| = 1时模型解的渐近性 |
| 1且|σ2| > 1时模型解的渐近性'>3.4 |σ1| > 1且|σ2| > 1时模型解的渐近性 |
| 参考文献 |
| 攻读硕士学位期间所发表的论文 |
| 致谢 |
（3）两类二元时滞神经网络模型解的定性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 问题研究的背景及意义 |
| 1.2 模型的提出以及问题研究的进展 |
| 1.3 本文的主要工作 |
| 1.4 基本概念与符号介绍 |
| 第2章 一类单阈值二元时滞神经网络模型解的收敛性 |
| 2.1 引言 |
| 2.2 解的收敛性 |
| 第3章 一类双阈值二元时滞神经网络模型解的收敛性和周期性 |
| 3.1 引言 |
| 3.2 同步解的收敛性 |
| 3.3 同步解的周期性 |
| 3.4 去同步解的收敛性 |
| 结论 |
| 参考文献 |
| 附录 攻读学位期间所发表的学术论文目录 |
| 致谢 |
（4）二元具自反馈双阈值时滞神经网络模型解的渐近性（论文提纲范文）
| 1 主要结果 |
| 2 定理的证明 |
（5）两类双阈值二元神经网络模型的渐近行为（论文提纲范文）
| 0 引言 |
| 1 记号与引理 |
| 2 主要结果及证明 |
（6）一类二元离散神经网络的动力学性质（论文提纲范文）
| 学位论文原创性声明和学位论文版权使用授权书 |
| 摘要 |
| Abstract |
| 插图索引 |
| 第1章 绪论 |
| 1.1 问题产生的历史背景 |
| 1.2 模型的提出和问题研究的现状 |
| 1.3 本文的主要工作 |
| 1.4 记号的说明 |
| 第2章 p=g=0时系统的收敛性 |
| 2.1 引言 |
| 2.2 主要结论 |
| 2.2.1 a＜b≤0的情形 |
| 2.2.2 a＜b=0的情形 |
| 2.2.3 a＜0＜b的情形 |
| 2.2.4 b＞a≥0的情形 |
| 第3章 p=0或q=0时系统的收敛性 |
| 3.1 引言 |
| 3.2 主要结论 |
| 结论 |
| 参考文献 |
| 附录(攻读学位期间所发表的学术论文目录) |
| 致谢 |
（7）几类环状三元神经网络系统的动力学分析（论文提纲范文）
| 学位论文原创性声明和学位论文版权使用授权书 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 人工神经网络的基本概念和发展简史 |
| 1.2 人工神经网络的研究方法 |
| 1.3 模型的研究背景与本文的主要工作 |
| 第2章 一类环状三元神经网络的动力学研究 |
| 2.1 高维系统奇点与周期轨线, 分支理论简介 |
| 2.2 模型简介以及主要结论 |
| 2.3 定理的证明 |
| 第3章 一类时滞环状三元神经网络模型解的收敛性 |
| 3.1 网络模型初步分析以及主要结论 |
| 3.2 定理的证明 |
| 第4章 一类具有非对称信号函数的神经网络模型的动力学分析 |
| 4.1 模型简介 |
| 4.2 主要结论 |
| 4.3 定理的证明 |
| 结论 |
| 参考文献 |
| 附录（攻读学位期间所发表的学术论文目录） |
| 致谢 |
（8）一类二元神经网络时标模型解的渐近性研究（论文提纲范文）
| 学位论文原创性声明和学位论文版权使用授权书 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 问题研究的背景、意义 |
| 1.2 问题的提出及本文的主要工作 |
| 1.3 有关时标的一些基本知识 |
| 第2章 信号函数为McCulloch-Pitts时解的渐近性 |
| 2.1 引言 |
| 2.2 |β|＜1时模型解的渐近性 |
| 2.3 |β|=1时模型解的渐近性 |
| 2.4 |β|＞1时模型解的渐近性 |
| 第3章 信号函数为分段常数非线性函数时模型解的渐近性 |
| 3.1 引言 |
| 3.2 0＜β＜1时模型解的渐近性 |
| 3.3 β=1时模型解的渐近性 |
| 3.4 β＞1时模型解的渐近性 |
| 结论 |
| 参考文献 |
| 附录A (攻读学位期间所发表的学术论文目录) |
| 致谢 |
（9）一类二元离散神经网络周期解的存在性（论文提纲范文）
| 1 引言 |
| 2 结论与证明 |
（10）一类二元时滞神经网络模型解的定性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 问题研究的背景及意义 |
| 1.2 模型的提出以及问题研究的进展 |
| 1.3 本文的主要工作 |
| 1.4 基本概念与记号 |
| 第2章 双阈值情形模型解的收敛性 |
| 2.1 μ＞b时模型解的收敛性 |
| 2.2 μ=b时模型解的收敛性 |
| 2.3 0＜μ＜b时模型解的收敛性 |
| 第3章 单阈值情形模型同步解的周期性 |
| 3.1 主要定理及证明 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录(攻读学位期间所发表的学术论文目录) |
四、双阈值二元神经网络模型解的收敛性（论文参考文献）
- [1]医学显微细胞图像分割研究[D]. 李东明. 长春理工大学, 2021
- [2]几类时标时滞神经网络模型的定性性质[D]. 郑飞艳. 广州大学, 2010(05)
- [3]两类二元时滞神经网络模型解的定性研究[D]. 卢金平. 湖南大学, 2007(05)
- [4]二元具自反馈双阈值时滞神经网络模型解的渐近性[J]. 阳连武,于国圣,张弘强. 长沙电力学院学报(自然科学版), 2006(03)
- [5]两类双阈值二元神经网络模型的渐近行为[J]. 刘开宇,厉亚,王志成. 广西师范大学学报(自然科学版), 2006(02)
- [6]一类二元离散神经网络的动力学性质[D]. 贾仁伟. 湖南大学, 2006(11)
- [7]几类环状三元神经网络系统的动力学分析[D]. 曹栋. 湖南大学, 2006(11)
- [8]一类二元神经网络时标模型解的渐近性研究[D]. 张耀祥. 湖南大学, 2006(11)
- [9]一类二元离散神经网络周期解的存在性[J]. 周铁军,戴斌祥,刘一戎. 湖南农业大学学报(自然科学版), 2005(05)
- [10]一类二元时滞神经网络模型解的定性研究[D]. 段海兰. 湖南大学, 2005(07)