基于脉冲神经膜系统仿真研究探析.docVIP

基于脉冲神经膜系统仿真研究探析 本文主要内容正是基于M．A．GutierrezNaranjo和D．RamirezMartinez开发的Snps-GUI_v1．1来实现脉冲神经膜系统计算模型形式化验证的仿真并通过分析自动生成的格局(组态)转移图，找寻转移图与脉冲神经膜系统之间的相关性并总结出一般性结论，达到了通过计算机辅助验证脉冲神经膜系统正确性与完整性的目的．结论显示，转移图能有效解决脉冲神经膜系统形式化验证困难的问题，是形式化验证的有效方法之一，也能帮助我们正确理解脉冲神经膜系统的计算过程，进一步设计及改进系统，从而减轻了繁重的脑力计算;而SnpsGUI_v1．1仿真软件能自动生成系统格局转移图，使我们摆脱了繁琐的手工绘制，是研究人员有力的辅助工具．本文内容安排如下:第2节介绍了脉冲神经膜系统的定义及相关概念;第3节分别实现了一个产生无限数集和一个产生语言的脉冲神经膜系统的形式化验证的仿真，分析了转移图与计算模型之间的关系并归纳出3个一般性结论;最后总结了本文的主要结论，对其它更有效的形式化验证方法提出了展望，并对SnpsGUI_v1．1仿真软件进行了评述，提出了改进方向． 脉冲神经膜系统的定义及相关概念 一个度数为m(mge;1)的脉冲神经膜系统形式化定义［8］如下:prod;=(O，sigma;1，sigma;2，hellip;，sigma;m，syn，in，out)，其中:1)O={a}为一个单字母集合，a表示单脉冲;2)sigma;1，sigma;2，hellip;，sigma;m表示系统prod;中包含有m个形如sigma;i=(ni，Ri)，1le;ile;m的神经元，其中:(1)nige;0表示神经元sigma;i在初始状态时包含的脉冲个数，(2)Ri表示神经元sigma;i中的所有规则的有限集合，规则的形式有如下两种:①E/acrarr;ap;d，E为a的正则表达式，其中cge;1，dge;0，pge;1，且cge;p;②E#39;/asrarr;lambda;，E#39;为a的正则表达式，sge;1，且对于规则Ri中形式为①的每条规则E/acrarr;ap;d，满足L(E)cap;L(E#39;)=?;3)syn?{1，2，hellip;，m}times;{1，2，hellip;，m}表示所有神经元之间的连接关系，对任意1le;ile;m，有(i，i)?syn;4)in，outisin;{1，2，hellip;，m}分别表示输入神经元和输出神经元．形式①、②的规则分别称为广义激发、广义遗忘规则．若①型规则满足p=1、②型规则满足E=as，则分别称为标准激发规则和标准遗忘规则．激发规则E/acrarr;ap;d满足E=ac时，则把它写为acrarr;ap;d;同时若满足d=0，则进一步简写为E/acrarr;ap．类似地，遗忘规则E#39;/asrarr;lambda;满足E#39;=as时，则可以简写为asrarr;lambda;．激发规则的使用:在某一时刻，若神经元sigma;i中包含k个脉冲，且aKisin;L(E)及kge;c，则神经元sigma;i可以使用激发规则E/acrarr;ap;d．当使用此规则后，神经元sigma;i将消耗c个脉冲;同时，经过d个单位时间后将产生p个新脉冲，且立即向与之下连的所有相邻神经元分别发送p个脉冲．在使用该规则到发送新脉冲的d个单位时间内，该神经元处于关闭状态．假如神经元sigma;i在第t步使用了激发规则E/acrarr;ap;d，dge;1，则此神经元在第t步到第t+d－1步是关闭的．当一个神经元处于关闭状态时，则其中的任何规则都不能使用且不能接收新脉冲;只要状态变为开放后，才可以使用规则和接收新脉冲．遗忘规则的使用:在某一时刻，若神经元sigma;i包含了k#39;个脉冲，且满足ak#39;isin;L(E#39;)和k#39;ge;S，则神经元sigma;i使用遗忘规则E#39;＇asrarr;lambda;，即消耗掉s个脉冲，且不产生新脉冲．在一个神经元中可能存在多条激发规则同时满足的情形，如存在两条激发规则E1/ac1rarr;ap1;d1和E2/ac2rarr;ap2;d2满足条件L(E1)cap;L(E2)ne;?．某时刻若出现这种神经元sigma;i中有多条激发规则可以使用时，此神经元能且只能随机地选择其中一条规则使用，这就是规则使用的不确定性．上述的脉冲神经膜系统prod;在某时刻的格局定义为CK=(r1/t1，r2/t2，hellip;，rm/tm)，1le;ile;m，其中ri表示神经元sigma;i在此时刻包含的脉冲个数，ti表示神经元sigma;i由关闭状态转变为开放状态需要的步数．系统prod;的初始格局可以表示为C0=