近期，实验室张宋传副教授联合浙江师范大学夏永辉教授、南京信息工程大学夏又生教授、香港城市大学王钧教授在国际权威学术期刊《IEEE Transactions on cybernetics》上在线发表了研究论文《Matrix-Form Neural Networks for Complex-Variable Basis Pursuit Problem With Application to Sparse Signal Reconstruction》。该成果张宋传副教授为第一作者。
最近几年，求解复数域上凸优化问题的神经网络算法的研究受到学者们的广泛关注，取得了一些成果，但对于复变量非光滑优化问题的神经网络算法的研究还不成熟，且已有的研究成果提出的算法中部分计算仍需转换到实域上进行，收敛速度慢。本文针对一类复域上优化问题，即复矩阵变量基追踪问题，提出了一种连续时间的复值投影神经网络模型及其离散时间算法，新模型和算法能完全在复值矩阵空间上求解，且适用于感知矩阵非行满秩情形，理论上证明了新模型及其离散时间算法的稳定性及全局收敛性，数值实验表明离散时间算法在求解基于压缩感知的复值稀疏信号重构问题上优于现有的神经网络算法和部分经典的数值算法。
IEEE Transactions on Cybernetics期刊创刊于1960年，主要报道人工智能、机器学习、控制论和机器人技术等领域的最新研究进展，及其在控制论领域的推广研究。该期刊2021年影响因子为11.448，属于中科院SCI一区TOP期刊，是工程技术和计算机科学双学科的国际顶级期刊。