用于优化的神经网络归零：理论与应用综述

《ARTIFICIAL INTELLIGENCE REVIEW》：Zeroing neural network for optimization: A survey of theory and applications

　　

摘要

零化神经网络（ZNN）为解决时变优化问题提供了一种基于动态系统的方法。本综述从优化角度重新审视了ZNN。首先，回顾了ZNN领域的最新进展，包括误差构造、收敛机制、鲁棒性提升，以及连续时间模型与离散时间模型之间的关系。这些进展阐明了利用误差驱动动力学来追踪时变解的理论基础。接着，综述说明了如何将典型的线性和非线性优化问题嵌入到ZNN框架中。在成像、信号处理和机器人控制领域的应用进一步表明，一旦将逆问题、估计任务或受限运动规划问题转化为优化问题，它们就可以自然地融入ZNN范式以实现实时计算。最后，综述探讨了ZNN在当前研究方向中的局限性、新兴机遇以及未来面临的挑战。总体而言，ZNN为在不同的时变工程应用中，将优化建模与实时动态计算相结合提供了一种统一且可靠的途径。