图神经网络原理与应用 赵海兴等 著.pdf
图可以被用于表示各类对象之间的关系，而图神经网络是指专门用于处理图数据的深度学习模型，可实现对图数据的建模和推断。本书系统地介绍图神经网络的基本原理、常用模型和应用领域等。首先介绍两类最基本的图神经网络方法GCN和GraphSAGE，并给出图神经网络的学习目标、评价方法；其次对图
神经网络
神经网络导论.pdf
本书共5章,第1章主要介绍神经网络、微分系统稳定性理论和泛函分析的基本理论和概念;第2章介绍神经网络的基本模型及算法;第3章介绍后期比较热门的三种神经网络,即Hopfield神经网络、细胞神经网络与双向联想(BAM)神经网络的模型及动力学问题;第4章介绍复杂神经网络模型及动力学问
非线性随机时滞神经网络——稳定性分析与脉冲镇定.pdf
本书主要研究非线性随机时滞神经网络系统的稳定与脉冲镇定。这些系统包括脉冲随机泛函系统、随机递归时滞神经网络、具不定脉冲参数的双向神经网络、Cohen-Grossberg型神经网络及其随机脉冲情况、一维整数格时滞细胞神经网络和分流抑制细胞神经网络。除了传统的Lyapunov方法
具时滞的神经网络模型的分支问题研究.pdf
本书主要研究具时滞的神经网络模型的分支问题.在对一类四次指数多项式零点分布进行分析的基础之上，利用微分方程的局部Hopf分支理论和全局Hopf分支理论研究了无自反馈的具时滞的四维神经网络模型的Hopf分支及Pitchfork 分支、具时滞和自反馈的四维神经网络模型的Hopf分支以
MATLAB神经网络仿真与应用.pdf
本书介绍了MATLAB 6.x的主要功能、函数命令及一些使用技巧，并介绍了比较复杂的数值计算和图形用户界面的编写方法，介绍了神经网络和模糊神经网络的基本原理、学习训练算法和仿真过程等。
时滞复杂神经网络的定性分析与控制.pdf
本书以复杂神经网络定性稳定性研究为核心, 并结合定量研究深入展开, 形成容纳复杂网络和多智能体系统的动态特性的研究脉络。本书的特点是在动力系统和稳定性之间的关系上进行了详尽的阐述, 传统的动力神经网络和当下的复杂神经网络及多智能体之间的关系进行阐述, 揭示了大规模系统之间的演化关
多变量系统模糊/神经网络自适应控制.pdf
本书内容包括：多变量线性系统自适应模糊解耦控制，多变量非线性系统自适应模糊H∞控制，多变量非线性系统自适应模糊/神经网络解耦控制，多变量非线性系统自适应模糊/神经网络滑模控制，多变量非线性系统H2/H∞混合模糊控制，多变量非线性系统在线自适应神经网络控制等。
混沌系统的模糊神经网络控制理论与方法.pdf
本书共十二章，内容包括：模糊神经网络控制理论基础、神经网络在混沌控制中的作用、基于径向基神经网络的非线性混沌控制、超混沌系统的模糊滑模控制等。
基于混沌神经网络的医学体数据水印技术.pdf
《基于混沌神经网络的医学体数据水印技术》主要包括以下内容：绪论、相关理论、基于Legendre混沌神经网络的抗几何攻击的水印算法、基于Chebyshev混沌神经网络的大容量水印算法、基于Legendre混沌神经网络的多重变换域水印算法。《基于混沌神经网络的医学体数据水印技术》总结