抑制型动态突触神经网络模型及其应用的分析研究.pdfVIP

抑制型动态突触神经网络模型及其应用研究 摘要 迄今绝大多数的人工神经网络模型都认为神经元之间的突触是静 态的，然而神经生理学的研究表明，多种神经元的突触连接强度在短 时程内会发生较大的变化。突触的这种短时可塑性会对神经元的传输 特性产生影响。本文将动态突触植入人工神经网络，研究抑制型动态 突触神经网络模型，并将抑制型动态突触神经网络应用于组合优化和 联想记忆两个领域。 本文首先对改进型能量函数进行了深入研究，提出了H一派生神经 网络的概念，采用改进型能量函数取代Hopfield能量函数，提高了网 络可行解的收敛性。接着，将动态突触融入了传统离散型Hopfield 上，提出了具有动态突触及瞬态混沌特性的神经网络模型(DS—TCNN)， 该网络同时具备收敛动力学、混沌动力学及混沌模拟退火等多重特性， 使网络不易陷入局部最优点，有效解决了传统Hopfield网络的不足。 中进行了应用研究。基于DS-DHNN模型的仿真结果表明：与静态突触 行了求解，并和传统的随机模拟退火算法做了比较和分析。仿真结果 搜索能力，获得全局最优解的搜索时间少于静态突触神经网络。在此 基础上，进一步提出了DS—TCNN-TSP算法，并对整个搜索过程以及统 计过程给出了完整的程序流程图。此外，对求解TSP问题时的神经元 偏置激活电流做了新的定义，对参数选取等关键问题做了探讨。 最后对抑制型动态突触神经网络在联想记忆中的应用进行了研 究。提出了“非线性函数构造法”的抗伪状态新方案，改进了传统Hebb 学习规则及其线性外积法，建立ASS-SSNN模型。仿真结果表明：该方 案能有效提高网络的容错性；另一方面，采用新方案后的联想记忆网 络在扩大吸引域的同时，存储容量也有所增加。在ASS-SSNN模型的基 础上，又建立了一种抗伪状态的新型动态突触联想记忆网络 伪状态的优势，而且抑制型动态突触联想记忆网络具有比传统的静态 突触联想记忆网络更加丰富的动态特性，进一步扩大了记忆状态的吸 引域，减小了伪状态的吸引域，容错性更佳d 关键词：抑制型动态突触，瞬态混沌，Hopfield神经网络，旅行 商问题，联想记忆 NEURALNETWORKSWITHDYNAMIC THEIR SYNAPSESAND APPLICATIONS ABSTRACT InmostneuralnetworkmodelsSOfar,the connection synaptic has modeledas betweenneuronsbeen aconstant showthatthe of neurophysiologicalexperiments strengthsynaptic connectionsbetweentwoneuronsCall substantialona undergo changes shorttimescale．The short-timewillhave onthe synaptic plasticity impact informationtransferbetween embed neurons．Therefore，we dynamic intoartificialneural theneuralnetworkwith networks，and synapses