机读格式显示(MARC)

• 000 02185nam0 2200325 450

• 001 0000510610

• 005 20190225141600.0

• 010 __ |a 978-7-309-13562-6 |b 精装 |d CNY58.00

• 099 __ |a CAL 012018080965

• 100 __ |a 20180512d2018 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 310000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 时滞复杂系统动力学 |A shi zhi fu za xi tong dong li xue |e 从神经网络到复杂网络 |d = Time delayed complex system dynamics from neural networks to complex networks the latest results of behavior analysis |f 卢文联 ... [等] 著 |z eng

• 210 __ |a 上海 |c 复旦大学出版社 |d 2018

• 215 __ |a 210页 |c 图 |d 24cm

• 304 __ |a 题名页题: 卢文联, 刘锡伟, 刘波, 王利利, 陈天平著

• 320 __ |a 有书目

• 330 __ |a 本书介绍了时滞动力系统渐近动力学行为分析的成果, 以此为基础对复杂时滞动力系统的渐进动力学行为进行严格、系统和全面的阐述。理论方法包括Hanalay不等式的新发展、μ稳定性于无穷长度时滞系统以及时滞微分包含等研究成果。研究的模型对象包括时滞递归神经网络和耦合时滞复杂网络动力系统等。所研究的渐进动力学行为包含稳定性、周期性、概周期性、同步性和一致性。对于时滞递归神经网络, 本书包含其静态和时变结构, 有限和无穷时滞, 连续和不连续的激发函数, 平衡点稳定性和周期、概周期渐进性, 全空间收敛性和非负卦限的收敛性。而对于耦合时滞复杂网络动力系统, 本书包含离散和连续时间网络系统、静态和时变结构、同步性和一致性, 以及依赖于时滞的同步轨道。本书不仅基于应用经典和时滞动力系统理论, 更将其延展至具体的大尺度复杂系统。讨论渐行性行为理论判据的验证和在复杂系统中的实现, 是本书关注的核心之一。不仅如此, 本书还发展了新的时滞动力学理论。比如处理具有分布式时滞系统、时滞微分包含系统、时变时滞系统、随机时滞系统的一些新方法和新技术。这些新结果, 将对一般性时滞动力系统数学理论和方法有所贡献。

• 510 1_ |a Time delayed complex system dynamics from neural networks to complex networks the latest results of behavior analysis |z eng

• 517 1_ |a 从神经网络到复杂网络 |A cong shen jing wang luo dao fu za wang luo

• 606 0_ |a 时滞系统 |A shi zhi xi tong |x 系统动态学

• 690 __ |a TP13 |v 5

• 701 _0 |a 卢文联 |A lu wen lian |4 著

• 701 _0 |a 刘锡伟 |A liu xi wei |4 著

• 701 _0 |a 刘波 |A liu bo |4 著

• 801 _0 |a CN |b CAU |c 20190225

• 905 __ |a CAU |d TP13/230

• 920 __ |a 211180 |z 1