模糊细胞神经网络的稳定性

本文研究了模糊细胞神经网络（ Ｆ Ｃ Ｎ Ｎ）的稳定性。

随机系统的稳定性

研究了随机系统ｄ ｘ（ｔ） ＝ ［（ Ａ＋ Ａ（ｔ）） ｘ（ｔ） ＋ （ Ｂ＋ Ｂ（ｔ－ τ１（ｔ））） ｘ（ｔ－ τ１（ｔ））］ｄｔ＋ｇ（ｔ，ｘ（ｔ） ，ｘ（ｔ－ τ２（ｔ）））ｄ ω（ｔ） 的指数稳定性，引入对应的确定性系统（ 无不确定性、随机扰动与时滞） ｘ·（ｔ） ＝ （ Ａ＋ Ｂ） ｘ（ｔ） 并设它是指数稳定的，应用Ｒａｚｕｍｉｋｈｉｎ 定理证明了当不确定性 Ａ 与Ｂ、随机扰动ｇ 及时滞τｉ（ｉ＝ １ ，２） 充分小时，原随机系统仍指数稳定．

“步幅常数”型随机算法收敛性分析

研究了步幅为常数的随机算法：Ｈｋ＋１＝Ｈｋ＋μ（Ｐｋ－ＦｋＨｋ），得到了一弱收敛定理，确定了收敛点与步幅μ之间的关系．

Wald意义下的局部π-Bayes最优决策

本文在某些必要的条件下，证明ｗａｌｄ意义下的最优决策的存在性。

“线性”型随机算法的收敛性

着重研究“线性”型随机算法Ｗｋ＋１＝Ｗｋ＋μｋ（Ｐｋ－ＦｋＷｋ），得到了更能反映观察数据概率统计特性的收敛定理，且确定了该随机算法的收敛点。

“Ljung”型随机算法的收敛性

本文研究了“Ｌｊｕｎｇ”算法的收敛条件，给出了两类条件下的收敛定理。

一类随机算法的收敛条件

本文将利用拟鞅收敛定理给出Robbins—Monro型随机算法的一些新的收敛条件并证明其收敛性.