动态神经网络被证明是一个重要的工具来解决一些实际工程问题优化等领域,图像和信号处理、控制系统、联想记忆和模式识别。使用神经网络解决实际工程问题,是至关重要的能够完全描述神经网络的动力学性质。有许多不同类型的神经网络模型可以描述非线性系统的形式。因此,神经网络可能表现出非常不同的复杂动力学行为取决于模型和网络参数。因此,神经网络的非线性动力学分析仍然具有新的挑战。我们邀请作者提交原始研究和评论文章关注神经网络的非线性动力学分析。潜在的主题包括,但不限于:

• 生物神经网络的分析和建模
• 数学和计算分析
• 收敛性和稳定性分析
• 认知神经动力学和复杂的系统
• 吸引子和联想记忆
• 模糊神经网络
• 学习系统
• 飙升的神经元
• 多尺度分析

之前提交的作者应该仔细阅读《华尔街日报》的作者指南,位于//www.newsama.com/journals/aaa/guidelines/。未来的作者应该提交一份电子版的完整手稿通过跟踪系统在《华尔街日报》手稿http://mts.hindawi.com/根据以下时间表: