近日，威廉希尔黄承代博士在神经网络领域权威学术期刊Neural Networks上发表了题为 “Novel bifurcation results for a delayed fractional-order quaternion-valued neural network” 的研究论文。

近年来，分数阶神经网络已被广泛应用于网络逼近、参数识别和图像处理等诸多领域，其研究引起了学者们的高度关注。该论文主要报道了分数阶四元数时滞神经网络的分岔结果。对于相同数目的神经元，与传统的实值神经网络和复值神经网络相比较，四元数神经网络具有更强的信息储存能力。该研究工作创新性地将分数阶微积分理论和四元数结合起来，研究了分数阶四元数时滞神经网络的分岔问题，获得了全新的分岔结果。研究表明，构建的分数阶四元数神经网络比其对应的整数阶四元数神经网络的稳定性区域更大，能有效地延迟分岔的发生。因此，分数阶四元数神经网络，可以进一步提高神经元的信息处理能力和网络的储存能力。该研究工作首次对分数阶四元数时滞神经网络的分岔进行了研究，为神经网络的理论研究提供了新的思路，具有良好的应用前景。

该研究工作，黄承代博士为论文的第一作者和唯一通讯作者。信阳师范学院为论文第一作者单位及通讯单位。该研究受到国家自然科学基金、信阳师范学院南湖学者青年项目等的支持。

Neural Networks是工程技术类SCI一区Top期刊，该期刊涉及计算机科学、数学、工程技术、心理学、人工智能及神经科学等领域，其影响因子为7.197，在神经网络领域具有很高的学术声誉。

论文链接：https://doi.org/10.1016/j.neunet.2019.05.002