文献综述
课题研究现状及发展趋势：
人工神经网络的研究始19世纪末20世纪初，主要代表人物是Von Helmholts,Mach, Palov,他们主要研究了关于学习、视觉、和条件反射等理论，但是未能抽象出神经网络工作机理的数学模型。人工神经网络最早的数学模型是在 1943 年由美国数学家 W.Pits和生理学家McCulloch 提出的。20 世纪 50 年代后期，Rosenblatt 提出的感知机和联想学习规则使人工神经网络有了初步应用。此后人工神经网络的研究遇到了障碍，研究进入了低潮，直到 1982 年人工神经网络最具代表性的模型[1]：
由 Hopfield 提出以后，神经网络模型的研究才进入了快速，多领域，多算法的发展时期。然而，神经网络不可避免的受时滞、随机扰动和参数不确定的影响，常常所得到的结果存在动荡性和不确定性，所以使得闭环系统的设计就变得困难，因此研究神经网络稳定性的研究引起了广泛的关注[10]。到目前为止，许多文章和专著已经获得了不同的稳定性条件。总的来说，目前神经网络所获得的稳定性条件可以归于两大类：时滞依赖和时滞非依赖。当时滞很小时，时滞依赖的判定定理可以比时滞非依赖的具有更低的保守性[2]。由于在时滞依赖相关的类型上，允许时滞取得的上界往往被视作衡量不同条件好坏的重要准则，这促使学者们尝试各种不同的方法来降低系统稳定性条件的保守性，这些方法中有自由权矩阵、线性不等式和时滞分解等等。
课题研究的意义和价值：
人工神经网络主要有以下优点：
（1）大规模并行计算与分布式存储能力
传统计算机的计算和存储是相互独立的，而在人工神经网络中，不论是单个神经元还是整个神经元网络都有信息处理和存储双重功能，两种功能自然融合在同一网络中。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
