近日，理学院肖建英副教授以第一作者兼通讯作者的论文“Novel Inequalities to Global Mittag-Leffler Synchronization and Stability Analysis of Fractional-order Quaternion-valued Neural Networks”被中科院一区Top期刊《IEEE Transactions on Neural Networks and Learning Systems》录用（citescore=17.6）。通过推导新颖的含参分数阶导数不等式，巧妙的构造李雅普诺夫泛函，获得了关于分数阶四元数神经网络的同步和稳定性问题的新方法。该方法在分离和不分离分数阶四元数神经网络模型的情况下有效获得了同步和稳定的灵活判据。

新一代人工智能发展规划中，特别强调要加强类脑智能计算理论的研究，而具有联想记忆、容错能力高、学习能力强等智能优势的神经网络，是深度学习的基础，是实现人工智能的基石。分数阶四元数神经网络具有高动态、高模拟、高维度等特征，是预计未来会有更多应用类型的网络。而神经网络的实际应用很大程度上依赖于其动力学行为特性，开展稳定性、耗散性和同步研究，在理论和实践中都有重要作用。

据悉，肖建英副教授一直从事神经网络稳定性、微分方程数值解等方面的研究，与东南大学、澳大利亚悉尼科技大学、四川大学等知名高校紧密合作, 瞄准国际前沿、紧跟国际热点、扩大国际交流，积极开展相关数学理论在神经网络稳定性方面的应用研究工作。近五年，同时以第一作者和通讯作者双重身份在《Neural Networks》、《Information Sciences》、《Neurocomputing》、《Applied Mathematics and Computation》、《Isa Transactions》等国内外同行认可的高水平期刊上发表SCI论文13篇，其中ESI论文2篇，累计被引200多次。

《IEEE Transactions on Neural Networks and Learning Systems》属于人工智能领域的国际顶级期刊。其涉及范围涵盖了电子与电气、人工智能、控制论、工程技术、神经网络、复杂系统等方面。

 《IEEE Transactions on Neural Networks and Learning Systems》期刊Citescore和排名：

 

 

《IEEE Transactions on Neural Networks and Learning Systems》期刊中科院JCR分区情况：

 

 

 录用邮件截图：