在过去的几十年里,神经网络(NN)已成功开发,具有广阔的应用程序由于工业和学术社区的努力。神经网络的逼近能力,它已经演变成许多有前途的领域,如复杂和非线性系统的建模与辨识和优化和自动控制。

具体来说,最先进的深度学习神经网络,允许学到丰富的中间表示形式,消除工程的工作特性。不同的理论和应用,可以不同的神经网络结构的设计理念。然而,一般神经网络可以表示为几个内核函数的加权和的权重可以通过调优近似任意光滑或连续非线性函数。然而,揭示神经网络的基本表现和行为作为一个复杂的系统,它是应用于实际控制应用程序仍然是一个需要探索的问题。了解这个问题不仅可以促进更好的理解神经网络的潜在机制,但也提供了一种可能性来设计一个通用神经网络在各种实际应用的解决方案。

这个特殊问题的主要焦点将神经网络理论和分析以及其在复杂系统潜在的工程应用。邀请作者提出的理论、算法和框架旨在带来先进技术的神经网络建模、识别、控制和复杂系统的优化。我们也鼓励作者新结果综合神经网络引入到复杂的心理系统,例如,高超音速飞行船,机器人和工业过程。

潜在的主题包括但不限于以下:

• 神经网络的收敛性和稳定性分析
• 为优化神经网络
• 基于神经网络的系统辨识
• 基于神经网络观测器的设计
• 递归神经网络的理论和应用
• 深度学习神经网络的理论和应用
• 知觉神经模型、行为和认知
• 神经网络控制移动机器人、飞行船,智能水下机器人和其他机器人系统
• 神经网络建模和控制可持续能源植物