时滞神经网络动力学是神经网络与动力系统交叉结合的一门新型学科，《时滞型神经网络动力学分析及在电力系统中的应用》较详细地介绍了若干具有不同实际背景和应用功能的时滞型神经网络的模型及有关基本概念，通过对国内外大量文献资料进行精心筛选与组织，较系统地介绍了国内外学者关于时滞型神经网络动力学研究的一些优秀成果并将其付诸于电力系统背景中加以应用，《时滞型神经网络动力学分析及在电力系统中的应用》的内容绝大多数来源于作者近几年来的创新性研究成果，新颖实用，研究方法先进，具有重要的理论研究和实际应用价值。另外，为了使《时滞型神经网络动力学分析及在电力系统中的应用》内容自成体系，《时滞型神经网络动力学分析及在电力系统中的应用》简要介绍了神经网络动力学的一些基本理论知识和常用的分析工具，以方便读者阅读与学习。《时滞型神经网络动力学分析及在电力系统中的应用》主要内容包括时滞型神经网络的有界性、稳定性、鲁棒性、有限时间有界性、非负平衡态、Lagrange稳定性、正不变集和吸引集的存在性及其耗散性等问题。

《时滞型神经网络动力学分析及在电力系统中的应用》读者对象为应用数学、自动化、计算机、信息技术等专业的高年级本科生、研究生、教师和相关的科技工作者，特别是从事常微分方程、泛函微分方程、差分方程、动力系统、人工神经网络理论与应用及实现技术研究的人员。

 前言
第1章  绪论
  1.1 引言
  1.2 神经网络的研究现状
    1.2.1 时滞神经网络的稳定性分析
    1.2.2 Lagrange稳定性研究
    1.2.3 有限时间有界问题的提出
    1.2.4 不确定问题描述
  1.3 随机时滞神经网络基本理论
    1.3.1 随机神经网络的发展概述
    1.3.2 几种随机递归神经网络模型
    1.3.3 时滞对随机神经网络的影响
    1.3.4 随机时滞神经网络的研究方法
  1.4 电力系统的研究现状
  参考文献
第2章  数学基础
  2.1 向量和矩阵的范数
    2.1.1 向量范数
    2.1.2 矩阵范数
  2.2 常用不等式及线性矩阵不等式
    2.2.1 常用不等式
    2.2.2 线性矩阵不等式
  2.3 Ito随机系统的基本理论
    2.3.1 几种常见的随机过程
    2.3.2 Ito随机微分方程
    2.3.3 Ito随机系统稳定性概念
  2.4 LyapLinov方程及稳定性理论
    2.4.1 Lyapunov方程的一般解
    2.4.2 Lyapunov方程的非负解
    2.4.3 Lyapunov稳定性理论
  2.5 其他引理
  2.6 函数的范数
  参考文献
第3章  变时滞神经网络的有界性和全局指数稳定性
  3.1 问题描述
  3.2 非自治递归神经网络的有界性和全局指数稳定性
  3.3 非自治多时滞神经网络的有界性和全局指数稳定性
    3.3.1 系统描述和预备知识
    3.3.2 有界性和全局指数稳定性
  3.4 仿真算例
  3.5 本章小结
  参考文献
第4章  混合时滞神经网络的稳定性与收敛率估计
  4.1 问题描述
  4.2 混合时滞神经网络全局渐近稳定性和全局指数稳定性
    4.2.1 全局渐近稳定性
    4.2.2 全局指数稳定性
  4.3 指数收敛率的估计
    4.3.1 预备知识
    4.3.2 指数收敛率估计
  4.4 仿真算例
  4.5 本章小结
  参考文献
第5章  多时滞Cohen.Grossberg神经网络的有限时间有界性
  5.1 问题描述
  5.2 有限时间有界性分析
    5.2.1 预备工作
    5.2.2 主要结果
  5.3 仿真算例
  5.4 本章小结
  参考文献
第6章  混合时滞Cohen.Grossberg神经网络的鲁棒指数收敛性
  6.1 问题描述
  6.2 鲁棒指数收敛性分析
  6.3 仿真算例
  6.4 本章小结
  参考文献
第7章  混合时滞Cohen.Grossberg神经网络非负平衡点的稳定性
  7.1 问题描述
  7.2 非负平衡点的存在唯一性
  7.3 非负平衡点的R-全局稳定性分析
  7.4 仿真算例
  7.5 本章小结
  参考文献
第8章  混合时滞神经网络在Lagrange意义下的稳定性
  8.1 问题描述
  8.2 混合时滞非自治Cohen-Grossberg神经网络的Lagrange稳定性
    8.2.1 预备工作
    8.2.2 主要结论
  8.3 具有广义激活函数混合时滞Cohen-Grossberg神经网络的Lagrange稳定性
    8.3.1 模型描述
    8.3.2 Lagrange稳定性
    8.3.3 应用定理
  8.4 仿真算例
  8.5 本章小结
  参考文献
第9章  混合时滞神经网络正不变集和全局指数吸引集
  9.1 问题描述
  9.2 估计正不变集和全局指数吸引集
  9.3 应用举例
  9.4 本章小结
  参考文献
第10章  混合时滞区间神经网络的鲁棒耗散性
  10.1 问题描述
  10.2 全局鲁棒指数耗散性分析
  10.3 仿真算例
  10.4 本章小结
  参考文献
第11章  随机时滞网络及系统的渐近行为与控制
  11.1 随机CohemGrossberg时滞神经网络系统的渐近行为
    11.1.1 预备工作
    11.1.2 随机最终有界
    11.1.3 几乎必然指数稳定性
    11.1.4 仿真算例
  11.2 不确定中立型随机时滞系统的鲁棒稳定性
    11.2.1 问题描述
    11.2.2 中立型随机微分时滞方程的Lasalle不变原理
    11.2.3 鲁棒稳定性
    11.2.4 仿真算例
  11.3 基于Back—Stepping方法的随机系统非线性控制器
    11.3.1 问题描述
    11.3.2 非线性控制器的设计
    11.3.3 仿真算例
  11.4 不确定随机时滞大系统的鲁棒性及分散镇定
    11.4.1 问题描述
    11.4.2 随机时滞大系统的鲁棒指数稳定性
    11.4.3 正则可鲁棒镇定的判定条件
    11.4.4 仿真算例
  11.5 本章小结
  参考文献
第12章  时滞电力系统的两类稳定性与参数辨识
  12.1 问题描述
  12.2 电力系统的Lagrange稳定性判定
    12.2.1 基于混沌分析的电力系统Lagrange稳定性判定
    12.2.2 基于LMI的时滞电力系统Lagrange稳定性判定
  12.3 时滞电力系统Lyapunov稳定性分析
    12.3.1 时滞电力系统模型
    12.3.2 基于LMI方法分析时滞电力系统Lyapunov稳定性
    12.3.3 仿真算例
  12.4 电力系统模型参数辨识
    12.4.1 系统参数辨识
    12.4.2 电力系统数学模型
    12.4.3 参数辨识的混合遗传算法和小种群粒子群算法
    12.4.4 仿真算例
  12.5 本章小结
  参考文献