關(guān)于梯形、脈沖激活函數(shù)的細(xì)胞神經(jīng)網(wǎng)絡(luò)研究.pdf

1、細(xì)胞神經(jīng)網(wǎng)絡(luò)(CNN)是一種實(shí)時(shí)、連續(xù)及并行運(yùn)算的信息處理系統(tǒng)，它源于Hopfield的反饋神經(jīng)網(wǎng)絡(luò)和Neumann的細(xì)胞自動(dòng)機(jī)。作為一類(lèi)非線性動(dòng)力系統(tǒng)，它具有復(fù)雜的動(dòng)力學(xué)性質(zhì)；同時(shí)，作為一種新的邏輯計(jì)算模式，它具有強(qiáng)大的邏輯計(jì)算功能。 本論文研究了一類(lèi)梯形激活函數(shù)的細(xì)胞神經(jīng)網(wǎng)絡(luò)。通過(guò)將a-z平面分解成25個(gè)不交的區(qū)域，分析了這類(lèi)細(xì)胞神經(jīng)網(wǎng)絡(luò)的靜態(tài)解，其中a和z(即反饋系數(shù)和閾值)被視為參數(shù)，并給出一系列定量的結(jié)果；針對(duì)一類(lèi)特殊

2、的梯形激活函數(shù)的CNN，研究了其靜態(tài)解誘導(dǎo)的映射產(chǎn)生Smale馬蹄的充分條件，也說(shuō)明了這類(lèi)映射的復(fù)雜性。 本論文同時(shí)也提出了一種新的CNN，即脈沖激活函數(shù)的細(xì)胞神經(jīng)網(wǎng)絡(luò)，它是梯形激活函數(shù)細(xì)胞神經(jīng)網(wǎng)絡(luò)的推廣。由CNN關(guān)于其輸入向量的偏置水平的諸多性質(zhì)，理論上可以得到：任意給定的線性不可分的布爾函數(shù)都可由單個(gè)的CNN來(lái)實(shí)現(xiàn)。特別是在一維CNN的情形中，可采用適當(dāng)?shù)拿}沖激活函數(shù)，并運(yùn)用逆偏置方法設(shè)計(jì)相應(yīng)的模板。在本文中，兩個(gè)輸入變量的