Zeroing neural dynamics solving time-variant complex conjugate matrix equation

复共轭矩阵方程（CCME）因其计算和反线性系统而引起了许多研究者的兴趣。现有的研究主要集中在其时不变求解方法上，但缺乏解决其时变版本的理论提出。此外，人工神经网络很少被用于解决CCME。本文从最早的CCME开始，应用零化神经动力学（ZND）来解决其时变版本。首先，统一定义了复数域中的向量化和Kronecker积。其次，提出了Con-CZND1模型和Con-CZND2模型，并从理论上证明了其收敛性和有效性。第三，设计了三个数值实验，以说明两个模型的有效性，比较它们之间的差异，突出神经动力学在复数域中的重要性，并完善了与ZND相关的理论。

本论文旨在解决复共轭矩阵方程（CCME）的时变求解方法及人工神经网络在此方面的应用问题。当前研究主要集中于其时不变求解方法，时变版本的理论尚未被提出。

本文提出了零化神经动力学（ZND）来解决CCME的时变版本。通过定义复域中的向量化和Kronecker积，并提出Con-CZND1模型和Con-CZND2模型，理论上证明了其收敛性和有效性。

本文设计了三个数值实验来说明两个模型的有效性和差异，突出了神经动力学在复域中的重要性，并完善了与ZND相关的理论。

近期的相关研究包括复矩阵方程的求解方法、人工神经网络在矩阵方程求解中的应用等。其中一些相关论文的标题包括：“A new method for solving complex matrix equation”、“Solving matrix equations with neural networks”等。