本期“復(fù)雜性科學(xué)”專欄評(píng)述

吳盡昭

本期“復(fù)雜性科學(xué)”專欄評(píng)述

吳盡昭

評(píng)《泛函網(wǎng)絡(luò)模型及應(yīng)用研究綜述》

泛函網(wǎng)絡(luò)作為計(jì)算智能學(xué)科一個(gè)嶄新的研究方向，有些理論和應(yīng)用基礎(chǔ)并不完善，需要人們不斷地完善基礎(chǔ)理論，提出新的網(wǎng)絡(luò)結(jié)構(gòu)和算法，拓展其應(yīng)用范圍。本文作者及其所領(lǐng)導(dǎo)的課題組，近年來(lái)一直從事于泛函網(wǎng)絡(luò)的有關(guān)計(jì)算理論與應(yīng)用研究，特別是在泛函網(wǎng)絡(luò)數(shù)值優(yōu)化算法方面取得了一系列較高水平的研究成果。目前國(guó)內(nèi)從事泛函網(wǎng)絡(luò)研究的學(xué)者很少，希望能夠通過該篇泛函網(wǎng)絡(luò)模型及應(yīng)用研究的綜述，引起更多研究者的關(guān)注，進(jìn)一步推動(dòng)泛函網(wǎng)絡(luò)理論和技術(shù)的發(fā)展和完善，拓廣泛函網(wǎng)絡(luò)技術(shù)的應(yīng)用范圍。

評(píng)《Impulsive Stabilization of Delayed Cellular Neural Network via Partial States》

該文研究了細(xì)胞神經(jīng)網(wǎng)絡(luò)的部分狀態(tài)的脈沖鎮(zhèn)定問題，主要的方法技巧是利用細(xì)胞神經(jīng)網(wǎng)絡(luò)激活函數(shù)分段線性的特點(diǎn)，將系統(tǒng)狀態(tài)分成三組，然后引入分段可微的Lyapunov函數(shù)，建立部分狀態(tài)受脈沖作用的細(xì)胞神經(jīng)網(wǎng)絡(luò)指數(shù)穩(wěn)定性的充分條件，并由此導(dǎo)出部分狀態(tài)脈沖控制律。該文的創(chuàng)新點(diǎn)是所設(shè)計(jì)的脈沖控制律只需利用部分狀態(tài)的輸出信息，特別適用于輸出信息不完整的細(xì)胞神經(jīng)網(wǎng)絡(luò)的控制問題。此外，其采用的分段可微的Lyapunov函數(shù)穩(wěn)定性分析方法充分利用了脈沖區(qū)間信息，使所得到的結(jié)果有較少的保守性，同時(shí)又有一定的魯棒性。

·復(fù)雜性科學(xué)·