我校信息科学与工程学院肖林教授的系列研究成果在TNNLS期刊发表

（供稿 信息学院）近日，我校信息科学与工程学院肖林教授课题组在递归神经网络的设计与分析方面取得了新的进展，包括新型激活函数、动态设计公式、时变收敛因子的设计与应用，以及对应递归神经网络容噪性和收敛性的具体分析。该系列成果连续发表在国际顶尖期刊IEEE Trans. Neural Netw. Learn. Syst.上。

在学术论文[1]中，一种容噪的动态设计公式被提出并用于求解优化问题的递归神经网络模型中，同时具有容噪和有限时间收敛两种性质。另外，论文对这种新型的递归神经网络的性质进行了全面的分析，并进行了仿真实验的验证。理论分析与实验结果均表明，与传统的设计公式相比，新的设计公式优势更加明显。

在学术论文[2]中，首次提出了时变收敛因子和强鲁棒性相结合的递归神经网络模型，以达到容忍线性时变和指数时变类等变化程度较大的噪声，同时实现快速收敛。时变收敛因子与传统的常数收敛因子相比，由于其与时间相关的特性，具有一定的变化性，相应模型的性质也更好。此外，设计模型成功应用于轮式移动机械臂，并实现对设定轨迹进行跟踪控制的任务。

在学术论文[3]中，两种具有预定义时间收敛性质的激活函数被应用于递归神经网络模型的设计中，用于求解时变Stein方程。预定义时间收敛与一般的有限时间收敛相比，容噪性更强、收敛速度更快。在时变有界可消失或不可消失噪声的干扰下，模型的稳态残差可以快速地收敛到0。在大的常数噪声干扰下，稳态残差的收敛上界很小。这些性质在一定程度上反应了所使用激活函数的优越性。

湖南师范大学是此三篇学术论文的第一署名单位。论文[1]和论文[2]的第一作者和通讯作者为我校肖林教授;论文[3]由我校博士研究生贾蕾协助完成，肖林教授为通讯作者。

参考文献：

[1]L. Xiao, J. Dai, R. Lu, S. Li, J. Li and S. Wang, "Design and Comprehensive Analysis of a Noise-Tolerant ZNN Model With Limited-Time Convergence for Time-Dependent Nonlinear Minimization," inIEEE Trans. Neural Netw. Learn. Syst.vol. 31, no. 12, pp. 5339-5348, Dec. 2020, doi: 10.1109/TNNLS.2020.2966294.

链接：https://ieeexplore.ieee.org/document/8984723

[2]L. Xiao, Y. He, J. Dai, X. Liu, B. Liao and H. Tan, "A Variable-Parameter Noise-Tolerant Zeroing Neural Network for Time-Variant Matrix Inversion With Guaranteed Robustness," in IEEE Trans. Neural Netw. Learn. Syst. doi:10.1109/TNNLS.2020.3042761.

链接：https://ieeexplore.ieee.org/document/9305970

[3]J. Dai, L. Jia and L. Xiao, "Design and Analysis of Two Prescribed-Time and Robust ZNN Models With Application to Time-Variant Stein Matrix Equation," inIEEE Trans. Neural Netw. Learn. Syst., doi: 10.1109/TNNLS.2020.2986275.

链接：https://ieeexplore.ieee.org/document/9078848

编辑：赵航航