在过去的几十年里，由于工业界和学术界的努力，神经网络(NN)得到了成功的发展并得到了广泛的应用。由于神经网络具有强大的逼近能力，它已经发展到许多有前途的领域，如复杂非线性系统的建模和识别，优化和自动控制。

特别是，最先进的深度学习神经网络，允许学习更丰富的中间表示，消除了特征工程的努力。对于不同的理论和应用，神经网络架构的设计理念可以是不同的。然而，神经网络通常可以表示为几个核函数的加权和，其中的权值可以调整为近似于任意平滑或连续的非线性函数。然而，要揭示神经网络作为一个复杂系统的基本表现和行为，同时将其应用到实际控制应用中，仍然是一个有待探索的问题。理解这个问题不仅有助于更好地理解神经网络的底层机制，而且为在各种实际应用中设计一个通用的神经网络解决方案提供了可能。

这个特殊问题的主要焦点将是神经网络理论和分析以及它在复杂系统中的潜在工程应用。作者被邀请提出理论、算法和框架，旨在带来先进的神经网络建模、识别、控制和复杂系统的优化技术。我们也鼓励作者介绍合成神经网络到复杂心理系统的新结果，如高超声速飞行器，机器人和工业过程。

可能的主题包括但不限于以下内容:

• 神经网络的收敛性和稳定性分析
• 神经网络优化
• 基于神经网络的系统辨识
• 基于神经网络的观测器设计
• 递归神经网络的理论与应用
• 深度学习神经网络的理论与应用
• 知觉、行动和认知的神经模型
• 用于移动机器人、飞行器、自主水下航行器和其他机器人系统的神经网络控制
• 可持续能源工厂的神经网络建模与控制