[00803904]时滞神经网络稳定性与分岔及其应用

计算智能由于其特有的启发式特征，可以对复杂问题进行优化求解，广泛应用于工业生产、金融贸易、医疗诊断等诸多领域。人工神经网络作为计算智能的一种重要方法，能够克服传统计算方法对于非结构化信息处理方面的缺陷。人工神经网络的设计在很大程度上依赖于网络本身的动力学属性。该项目对时滞神经网络的稳定性与分岔及其应用开展了卓有成效的研究，取得了一系列具有科学价值的研究成果，主要包括：率先将区间连接权值和非对称连接权值分别引入到双向联想记忆(BAM)神经网络和Cohen-Grossberg神经网络中，深入地分析了网络平衡点的存在性、唯一性和稳定性，有效地解决了神经网络在信息传输过程中难以确定参数精确值而存在误差区间的问题，并为这两类神经网络的超大规模集成电路(VLSI)实现提供强有力的理论支撑。创新性地建立了脉冲切换神经网络模型，利用线性化方法、Lyapunov-Krasovskii泛函并结合线性矩阵不等式技术，从理论上研究了该模型的稳定性，为神经网络应用于脉冲条件下联想记忆和工程中的优化问题奠定了坚实的理论基础，并为普遍存在的切换系统的建模、优化控制提供了有效的方法。为了研究系统参数如何影响时滞神经网络动力学的问题，率先将中心流形定理和规范化形式理论应用到时滞神经网络模型，深入研究了产生Hopf分岔和余维2分岔的潜在机理。从理论上给出了时滞神经网络存在各种极限环的条件，为极限环应用到储存复杂的联想记忆提供了坚实的理论支撑。成功地将细胞神经网络的多稳定性理论应用到噪声图像的边缘提取中，将神经网络的混沌同步应用到保密通信中，以及将二层前馈离散神经网络的同步应用到安全密钥交换算法的设计中。该项目从2003年1月至2013年5月间发表神经网络稳定性与分岔及其应用方面SCI论文128篇（SCI他引3921次）,其中IEEE Transactions系列论文18篇，获授权国家发明专利5项，出版专著2部，编辑国际会议论文专辑9部，反映出相关研究工作已经达到国际领先水平。以该项目为依托，在人才培养方面也取得了显著成效。项目组成员中1人获得教育部长江学者称号，1人入选百千万工程国家级人才，1人入选重庆市领军人才，1人获得巴渝学者称号，3人入选教育部新世纪优秀人才支持计划、1 人获得重庆市青年科技奖；研究团队入选重庆市高校创新团队，并在国内外相关研究领域具有较大学术影响力。