Уважаемые коллеги, доброго времени суток! Представляем вам литовское научное издание Nonlinear Analysis: Modelling and Control. Журнал имеет второй квартиль, издаётся в Vilnius University Press, находится в открытом доступе, его SJR за 2021 г. равен 0,602, пятилетний импакт-фактор 2,129, печатный ISSN - 1392-5113, электронный - 2335-8963, предметные области - Математический анализ, Прикладная математика. Вот так выглядит обложка:
Редактором является Ромас Баронас, контактные данные - romas.baronas@mif.vu.lt, feliksas.ivanauskas@mif.vu.lt.
Цель заключается в обеспечении междисциплинарного форума для ученых, исследователей и инженеров, занимающихся исследованиями и проектированием нелинейных процессов и явлений, включая нелинейное моделирование явлений природы. Журнал принимает материалы по нелинейным явлениям и процессам в любой области науки и техники. Задачи состоят в представлении теоретических результатов и приложений, освещении результатов исследований, представляющих междисциплинарный интерес, обеспечении быстрой публикации качественных статей благодаря обширной работе редакторов и рецензентов, обеспечении раннего доступа к информации и представлении статей в Интернете.
Адрес издания - https://www.journals.vu.lt/nonlinear-analysis
Пример статьи, название - Turing instability and pattern formation of a fractional Hopfield reaction–diffusion neural network with transmission delay. Заголовок (Abstract) - It is well known that integer-order neural networks with diffusion have rich spatial and temporal dynamical behaviors, including Turing pattern and Hopf bifurcation. Recently, some studies indicate that fractional calculus can depict the memory and hereditary attributes of neural networks more accurately. In this paper, we mainly investigate the Turing pattern in a delayed reaction–diffusion neural network with Caputo-type fractional derivative. In particular, we find that this fractional neural network can form steadily spatial patterns even if its first-derivative counterpart cannot develop any steady pattern, which implies that temporal fractional derivative contributes to pattern formation. Numerical simulations show that both fractional derivative and time delay have influence on the shape of Turing patterns. Keywords: fractional derivative, neural network, Turing instability, pattern formation, reaction-diffusion