《Communications in Nonlinear Science and Numerical Simulation》：Integration-Enhanced Zeroing Neural Network for Temporally-Variant Quadratic Programming Involving Inequality Constraints
編輯推薦：
本文創新性地引入了一個基于誘導覆蓋的統一組合框架，用以分析由基礎系統（X, T）誘導的超空間動力系統（2X, 2T）的復雜性。該框架規避了傳統Hausdorff度量的技術難點，為拓撲熵（Topological Entropy）和度量平均維數（Metric Mean Dimension, mdimM）提供了等效的覆蓋式定義，并揭示了復雜性從基礎系統到超空間系統的指數級放大（“爆炸”）機制。核心貢獻在于證明：若基礎系統具有正的度量平均維數，則其誘導的超空間系統必然具有無窮度量平均維數，從而統一解釋了拓撲復雜性的傳播與放大規律。
Highlight
主要定理概覽
以下列表總結了本文的主要定理、其假設條件及證明中使用的關鍵工具。所有結果均假設 (X, T) 是定義在緊致度量空間 (X, d) 上的動力系統，其中 T 為同胚映射，(2X, 2T) 表示其誘導的超空間系統，并配備 Hausdorff 度量 dH。
- •
(R1) 覆蓋式定義 (第3節). 我們引入了誘導覆蓋構造 α ? α′ (定義3.1)，并利用其制定了超空間系統拓撲熵 h?top(2X, 2T) (定義3.2) 和度量平均維數 m?dimM(2X, dH) (定義3.3) 的覆蓋式定義。
- •
(R2) 與經典定義的等價性 (第4節).
- •
定理4.1: m?dimM(2X, dH) = mdimM(2X, dH).
證明關鍵在于度量比較引理3.4和誘導覆蓋的基數性質（引理3.3）。
- •
定理4.2: h?top(2X, 2T) = htop(2X, 2T).
關鍵性質是 (?i=0n-1T-iα)′ = ?i=0n-1(2T)-i(α′) (引理3.3).
這些定理驗證了我們的覆蓋式框架，表明其與標準度量定義等價。
- •
(R3) 復雜性爆炸判據 (第5節). 在相同的緊致性假設下：
- •
定理5.1: 如果 mdimM(X, d) > 0，那么 mdimM(2X, dH) = ∞.
證明的核心在于對雙指數增長 |α′n| = 2|αn|- 1 的漸近分析，該式對不可約的基礎覆蓋成立（引理3.3）。
- •
推論5.2: 如果 htop(X, T) > 0，那么 htop(2X, 2T) = ∞.
這源于對覆蓋 ?i=0n-1T-iα 的相同增長論證。
這些結果統一并簡化了先前的工作，證明誘導覆蓋機制 α ? α′ 是熵和平均維數復雜性放大的共同來源。
- •
(R4) 說明性示例 (第6節). 我們提供了對若干系統的顯式計算，包括稀疏編碼模型以及對全移位系統詳細、構造性的覆蓋計數（示例6.2）。后者通過繞過直接的 Hausdorff 度量估計，例證了該框架的計算優勢。
邏輯依賴關系是：誘導覆蓋構造 (R1) 使得等價定義 (R2) 成為可能，進而用于證明爆炸現象 (R3)。(R4) 中的示例用于驗證和說明該框架的實際效用。
結論
我們引入了一個覆蓋式框架，用于分析超空間動力系統 (2X, 2T) 的拓撲熵和度量平均維數。核心工具是誘導覆蓋構造 α ? α′，它將基礎空間 X 的覆蓋轉化為與 Vietoris 拓撲兼容的 2X的覆蓋。利用此工具，我們獲得了兩種復雜性概念的等效覆蓋式定義，并證明了基礎系統中正的拓撲熵或正的度量平均維數...
