[01371957]投影神经网络优化模型、理论与应用

投影神经网络优化研究旨在构建仿脑寻优的动态投影智能系统,用以寻找优化建模中复杂问题的全局最优解。本项目围绕实值与复值非线性优化问题,系统深入地研究了投影神经网络优化模型及其全局优化理论;研究了投影神经网络在语音信号与图像恢复,数据融合与智能机器人控制优化建模中的应用。 主要发现点： （1）发现并创建了四类投影神经网络优化模型：原始对偶投影递归神经网络,原始投影递归神经网络,对偶投影递归神经网络和低维投影递归神经网络,解决了之前无法求解的非全局凸优化与复值优化的疑难问题。 （2）发现了基于投影理论的实值与复值投影李亚普诺夫函数的分析方法,在非对称映射,非单调映射和复值映射条件下,建立了投影递归神经网络的全局稳定性与全局收敛性理论,突破了现有非线性动力学经典结果。 （3）发现了低维投影神经网络快速计算性能, 突破了传统的递归神经网络在处理大尺寸优化问题的局限性。 （4）发现了投影递归神经网络在科学和工程应用中的实施途径,创建了图像恢复、语音信号、·数据融合和机器人运动控制等应用的投影递归神经网络,提出了解决其中具体问题的实用方案。 主要科学价值： （1）所建投影递归神经网络优化模型确保其输出全局收敛到可解优化问题的精确最优解;可解范围由实值优化拓广到复值优化,由凸优化拓广到非凸优化。 （2）投影递归神经网络全局优化理论是建立在非对称映射,非单调映射和复值映射条件下,突破了传统非线性动力学理论瓶颈。 （3）所建投影递归神经网络优化模型的结构由两层减少到单层,大幅降低了模型复杂程度,提高了其实用性; （4）所建投影递归神经网络优化模型的状态系统由高维减少到低维,加速了其实时求解过程。 （5）所建网络动态特性的实分析与复分析方法奠定了实值与复值投影递归神经网络的基础理论,为其应用提供了理论保障。 此项研究获国家自然科学基金,高等学校博导类专项基金和香港特别行政区研究资助局等6项基金资助。十篇代表性论文SCI他引共250次,WoS他引共340次。他引作者包括中科院院士、美国科学院院士、欧洲科学院院士、英国皇家工程院院士、IEEE终身会士、国际电气电子工程师学会会士、国际自动控制联合会会士等国外著名学者。研究成果得到国内外学术界的公认和好评。 尤其是美国丹佛大学电子与计算机工程系主任K. Valavanis教授（AAAS会士）,英国帝国理工学院A. Constantinides教授（英国皇家工程院院士、IEEE终身会士）,卡尔斯鲁厄理工学院（德国的麻省理工） Rüdiger Dillmann教授,长江学者上海交通大学敬忠良特聘教授和北京大学徐进教授在他们的引文中高度评价和充分肯定了代表性论文中投影神经网络模型全局优化理论及其快速处理机器人运动控制优化、语音信号与图像恢复的有效性。