基于憶阻遞歸神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶分析與設(shè)計(jì).pdf

1、為了實(shí)現(xiàn)信息處理的智能化，人們建立神經(jīng)網(wǎng)絡(luò)模擬人腦的功能。傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)已經(jīng)用電路實(shí)現(xiàn)了，神經(jīng)處理單元之間的連接是用電阻實(shí)現(xiàn)的。電阻的阻值相當(dāng)于神經(jīng)元之間的突觸的強(qiáng)度。突觸的強(qiáng)度是可變的，但是電阻的阻值是不變的。為了更好地模擬人的腦神經(jīng)網(wǎng)絡(luò)，本文用憶阻作為神經(jīng)處理單元之間的連接建立憶阻遞歸神經(jīng)網(wǎng)絡(luò)模型。
　　本文首先對(duì)第四種基本電路元件憶阻的記憶性，用推導(dǎo)憶阻兩端電流電壓關(guān)系式時(shí)出現(xiàn)的積分常數(shù)進(jìn)行了分析。仿真得出憶阻存在閾值電

2、壓即當(dāng)外部輸入電壓小于閾值電壓的時(shí)候，憶阻的阻值不發(fā)生改變。然后用憶阻代替遞歸神經(jīng)網(wǎng)絡(luò)中的電阻，給出了連續(xù)的憶阻遞歸神經(jīng)網(wǎng)絡(luò)模型。根據(jù)憶阻的性質(zhì)得出憶阻遞歸神經(jīng)網(wǎng)絡(luò)是一個(gè)網(wǎng)絡(luò)序列或者說(shuō)是一個(gè)網(wǎng)絡(luò)簇。接著對(duì)狀態(tài)空間做劃分和運(yùn)用壓縮映像原理，得出了連續(xù)的憶阻遞歸神經(jīng)網(wǎng)絡(luò)簇中的每一個(gè)網(wǎng)絡(luò)都有(2k)n個(gè)穩(wěn)定的平衡點(diǎn)或者極限環(huán)，其中k是階梯激勵(lì)函數(shù)的級(jí)數(shù),n是網(wǎng)絡(luò)中的神經(jīng)元的個(gè)數(shù)。并用奇異值分解的方法給出了基于連續(xù)憶阻遞歸神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶設(shè)計(jì)

3、程序。
　　其次在不連續(xù)遞歸神經(jīng)網(wǎng)絡(luò)中，同樣用憶阻代替電阻并給出了憶阻不連續(xù)遞歸神經(jīng)網(wǎng)絡(luò)。不連續(xù)的激勵(lì)函數(shù)取的是一類(lèi)在狀態(tài)空間上為分段常數(shù)的函數(shù)，輸出的常數(shù)值的個(gè)數(shù)為4k，(k≥1)。不連續(xù)的憶阻遞歸神經(jīng)網(wǎng)絡(luò)也是一個(gè)神經(jīng)網(wǎng)絡(luò)序列。在定義了網(wǎng)絡(luò)在Filippov意義下的解后，根據(jù)激勵(lì)函數(shù)的特點(diǎn)對(duì)狀態(tài)空間做劃分，然后用壓縮映像原理得出了網(wǎng)絡(luò)序列中每一個(gè)有n個(gè)神經(jīng)元的網(wǎng)絡(luò)有(4k)n個(gè)局部指數(shù)穩(wěn)定的平衡點(diǎn)。接著用奇異值分解的方法，給出了

4、基于不連續(xù)憶阻遞歸神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶的設(shè)計(jì)步驟。
　　接下來(lái)本文以憶阻作為Cohen-Grossenberg神經(jīng)網(wǎng)絡(luò)的連接，同時(shí)在模型中引入廣義的常數(shù)變量和模糊邏輯，給出了一簇帶有廣義常數(shù)變量的模糊Cohen-Grossberg神經(jīng)網(wǎng)絡(luò)。然后討論這類(lèi)網(wǎng)絡(luò)的吸引子簇的存在性。考慮了外界擾動(dòng)對(duì)參數(shù)的影響，用數(shù)值迭代的方法給出了網(wǎng)絡(luò)的解的存在唯一性條件，然后用單調(diào)擬合逼近的方法給出網(wǎng)絡(luò)魯棒漸近穩(wěn)定的充分條件。即網(wǎng)絡(luò)序列中的每一個(gè)網(wǎng)絡(luò)都存