本书系统地介绍了若干具比例时滞递归神经网络模型及其各种稳定性。通过构造Lyapunov泛函、时滞微分不等式、非线性测度、内积性质和线性矩阵不等式等方法讨论了具比例时滞递归神经网络的渐近稳定性、多项式稳定性、周期性、概周期性及反周期性、散逸性等性质，并且给出相应的数值算例及仿真。同时，对具比例时滞神经网络在二次规划问题的求解方面的应用进行了初步探讨。本书旨在引领具比例时滞神经网络动力学的深入研究，为具比例时滞神经网络的实际应用奠定一定的理论基础。

本书适于基础数学、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、教师和相关专业的科技工作者，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阅读使用。 qd64O8WxhiSX01x7Jy581sUgRXSDqYsADhtkL4PRxFXvPWZCVytFXzV4AFU8IelA