2023年度四川省科學(xué)技術(shù)獎提名公示內(nèi)容

2023年度四川省科學(xué)技術(shù)獎提名公示內(nèi)容一、項(xiàng)目名稱復(fù)雜網(wǎng)絡(luò)的學(xué)習(xí)算法設(shè)計(jì)及其在金融網(wǎng)絡(luò)動態(tài)預(yù)警中的應(yīng)用二、提名者及提名意見（一）提名者四川省教育廳（二）提名意見金融系統(tǒng)是復(fù)雜系統(tǒng)，常規(guī)數(shù)學(xué)模型難以描述。基于復(fù)雜網(wǎng)絡(luò)等工具，研究金融系統(tǒng)的特征和風(fēng)險(xiǎn)傳播，對防范系統(tǒng)性金融風(fēng)險(xiǎn)重要。傳統(tǒng)學(xué)習(xí)控制算法難以應(yīng)對金融網(wǎng)絡(luò)系統(tǒng)的非線性和耦合性。《復(fù)雜網(wǎng)絡(luò)的學(xué)習(xí)算法設(shè)計(jì)及其在金融網(wǎng)絡(luò)動態(tài)預(yù)警中的應(yīng)用》項(xiàng)目基于復(fù)雜網(wǎng)絡(luò)理論，提出了創(chuàng)新的復(fù)雜網(wǎng)絡(luò)學(xué)習(xí)控制算法，并給出了理論分析和實(shí)驗(yàn)效果。項(xiàng)目組成員突破傳統(tǒng)學(xué)習(xí)控制算法局限性，提出了復(fù)雜網(wǎng)絡(luò)上的學(xué)習(xí)控制算法，實(shí)現(xiàn)了對大規(guī)模網(wǎng)絡(luò)系統(tǒng)進(jìn)行新穎的理論建模和分析。項(xiàng)目完成人還基于復(fù)雜網(wǎng)絡(luò)上學(xué)習(xí)控制算法，展示了它們在網(wǎng)絡(luò)風(fēng)險(xiǎn)防控和干預(yù)上的應(yīng)用前景。發(fā)現(xiàn)了風(fēng)險(xiǎn)傳播與網(wǎng)絡(luò)資源調(diào)配之間的聯(lián)系，給出了風(fēng)險(xiǎn)防控的算法，為金融系統(tǒng)風(fēng)險(xiǎn)預(yù)警提供了理論支撐。項(xiàng)目組成員近年來在Automatica,IEEETransactionsonAutomaticControl,IEEETransactionsonNeuralNetworksandLearningSystems、IEEETransactionsonCybernetics、IEEETransactionsonSystems,Man,andCybernetics:Systems等人工智能與系統(tǒng)科學(xué)領(lǐng)域國際頂級期刊上發(fā)表相關(guān)論文80余篇。論文SCI他引1500余次，GoogleScholar引用2500余次，被五十多位院士和IEEEFellow在IEEE匯刊、Automatica等正面評價(jià)。擬提名該項(xiàng)目申報(bào)四川省自然科學(xué)獎。三、項(xiàng)目簡介隨著人類行為在物理世界不斷延伸，現(xiàn)實(shí)世界人工系統(tǒng)越來越呈現(xiàn)出典型的復(fù)雜系統(tǒng)特征，其主要特點(diǎn)在于系統(tǒng)規(guī)模龐大、內(nèi)部交互復(fù)雜、系統(tǒng)演化高度非線性等。由于金融系統(tǒng)由大量具有適應(yīng)性并相互交互的個體組成，且系統(tǒng)結(jié)構(gòu)具有內(nèi)生演化性，金融系統(tǒng)可被視為一類典型的復(fù)雜系統(tǒng)。金融系統(tǒng)中的市場交易個體不僅是有限理性的，同時還具有自適應(yīng)和復(fù)雜交互的能力。這些特性使得常規(guī)數(shù)學(xué)模型的構(gòu)建變得異常復(fù)雜，且難以使用經(jīng)典手段準(zhǔn)確描述金融系統(tǒng)的行為。——目前對金融系統(tǒng)的研究還停留在基于還原論的因果分析階段，缺乏基于復(fù)雜系統(tǒng)的全局和系統(tǒng)性視角。如何基于復(fù)雜系統(tǒng)相關(guān)工具，例如復(fù)雜網(wǎng)絡(luò)等，展開對于金融系統(tǒng)的演化規(guī)律、穩(wěn)態(tài)特征、風(fēng)險(xiǎn)傳播研究，對于防范系統(tǒng)性金融風(fēng)險(xiǎn)的發(fā)生具有重大的理論和現(xiàn)實(shí)意義。與此同時，考慮到金融系統(tǒng)復(fù)雜性特征，傳統(tǒng)學(xué)習(xí)控制算法難以應(yīng)對大規(guī)模金融網(wǎng)絡(luò)系統(tǒng)中的強(qiáng)非線性和高耦合性。完成人基于復(fù)雜網(wǎng)絡(luò)的基本理論，實(shí)現(xiàn)了經(jīng)典學(xué)習(xí)控制算法在網(wǎng)絡(luò)視角下的理論遷移:提出了一系列創(chuàng)新的復(fù)雜網(wǎng)絡(luò)學(xué)習(xí)控制算法，給出它們在金融系統(tǒng)動態(tài)預(yù)警中的潛在應(yīng)用價(jià)值。重要科學(xué)發(fā)現(xiàn)歸納如下兩個方面:一、突破傳統(tǒng)學(xué)習(xí)控制算法局限性，提出了一系列的復(fù)雜網(wǎng)絡(luò)上的學(xué)習(xí)控制算法，并給出了相應(yīng)的嚴(yán)格理論分析框架。受制于現(xiàn)實(shí)世界網(wǎng)絡(luò)規(guī)模的海量增長，經(jīng)典學(xué)習(xí)控制算法在處理網(wǎng)絡(luò)系統(tǒng)的安全性、可靠性、收斂性等方面均遇到了明顯的理論瓶頸。一方面，項(xiàng)目以全新視角對大規(guī)模網(wǎng)絡(luò)系統(tǒng)進(jìn)行理論建模，以觸發(fā)控制代替經(jīng)典的連續(xù)控制以實(shí)現(xiàn)網(wǎng)絡(luò)控制代價(jià)約束，以動態(tài)邏輯工具實(shí)現(xiàn)對無限狀態(tài)的網(wǎng)絡(luò)系統(tǒng)的狀態(tài)化簡、以圖論工具實(shí)現(xiàn)對分布式算法的收斂速率估計(jì)，以切換系統(tǒng)方式實(shí)現(xiàn)對系統(tǒng)安全性的有效建模?；趧?chuàng)新性的建模方式和理論分析框架，所得到的系列算法均實(shí)現(xiàn)了目前最好的實(shí)驗(yàn)性能效果。二、基于復(fù)雜網(wǎng)絡(luò)上學(xué)習(xí)控制算法，通過數(shù)據(jù)驗(yàn)證給出了它們在網(wǎng)絡(luò)風(fēng)險(xiǎn)防控和干預(yù)上的應(yīng)用前景。發(fā)現(xiàn)了復(fù)雜網(wǎng)絡(luò)上風(fēng)險(xiǎn)傳播與網(wǎng)絡(luò)資源調(diào)配之間的內(nèi)在聯(lián)系，指出大規(guī)模網(wǎng)絡(luò)環(huán)境下即使極小的災(zāi)害擴(kuò)散也會導(dǎo)致系統(tǒng)級的傳播風(fēng)險(xiǎn)，給出了風(fēng)險(xiǎn)擴(kuò)散防控的系列算法，為金融系統(tǒng)動態(tài)風(fēng)險(xiǎn)預(yù)警提供了有力理論支撐。四、論文專著目錄序號論文（專著）名稱作者刊物發(fā)表時間1DistributedquadraticoptimizationwithterminalconsensusiterativelearningstrategyZijianLuo,WenjunXiong,TingwenHuang,JiangDuanNeurocomputing2023年4月2FormationcontrolofT-Sfuzzysystemswithevent-triggeredsamplingschemeviamembershipfunctiondependentapproachWeiWang,ChiHuang,H.K.Lam,LiWangInformationSciences2023年4月3Terminaliterativelearningschemeforconsensusprobleminmulti-agentsystemswithstateconstraintsYanZhang,ZijianLuo,WenjunXiongJournalofPhysics:ConferenceSeries2022年9月4SynchronizationofanarrayofcoupledprobabilisticBooleannetworksChiHuang,DanielW.C.Ho,JianquanLu,WenjunXiong,JindeCaoIEEETransactionsonSystems,Man,andCybernetics:Systems2022年月5Finite-iterationlearningtrackingofmulti-agentsystemsviathedistributedoptimizationmethodZijianLuo,WenjunXiong,ChiHuangNeurocomputing2022年4月6Event-triggeredcontrolforguaranteed-costbipartiteformationofmulti-agentsystemsWeiWang,LiWang,ChiHuangIEEEAccess2021年6月7M?biusE:Knowledgegraphembeddingonm?biusringYaoChen,JiangangLiu,ZheZhang,ShipingWen,WenjunXiongKnowledge-BasedSystems2021年9月8AsymptoticanalysisofBooleannetworkswithmultiplemissingdataChiHuang,WeiWang,JianquanLu,JurgenKurthsIEEETransactionsonAutomaticControl2021年12月9脈沖控制下多智能體系統(tǒng)的保性能雙向編隊(duì)控制王未，王莉，黃遲控制與決策2021年6月10Event-triggeredstatetrackingfortwo-dimensionalneuralnetworkswithimpulsivelearningcontrolschemesZijianLuo,WenjunXiong,JindeCao,ChiHuangJournaloftheFranklinInstitute2020年11月11Observer-basedstatetrackingfordiscretelinearmulti-agentsystemswithswitchingtopologiesvialearningcontrolstrategiesZijianLuo,WenjunXiong,WangliHe,YaoChenIETControlTheory&Applications2020年7月12Bipartiteformationproblemofsecond-ordernonlinearmulti-agentsystemswithhybridimpulsesWeiWang,ChiHuang,ChuangxiaHuang,JindeCao,JianquanLu,LiwangAppliedMathematicsandComputation2020年4月13Bisimulation-basedstabilizationofprobabilisticBooleancontrolnetworkswithstatefeedbackcontrolNanJiang,ChiHuang,YaoChen,JurgenKurthFrontiersofInformationTechnology&ElectronicEngineering2020年4月14Consensustrackinginmulti-nodesystemsusingiterativelearningcontrolbasedondelayexponentialmatrixZijianLuo,WenjunXiong,XinghuoYuUnmannedSystems2018年11月15Event-triggeredcontrolforsampled-dataclusterformationofmulti-agentsystemsWeiWang,ChiHuang,JindeCao,FuadE.AlsaadiNeurocomputing