关于梯形、脉激活函数的细胞神经网络研讨.pdfVIP

摘要 关于梯形、脉冲激活函数的细胞神经网络研究 摘要 细胞神经网络(CNN)是一种实时、连续及并行运算的信息处理 为一类非线性动力系统，它具有复杂的动力学性质；同时，作为一 种新的逻辑计算模式，它具有强大的逻辑计算功能。 本硕士论文研究了一类梯形激活函数的细胞神经网络。通过 将n～z平面分解成25个不交的区域，分析了这类细胞神经网络的静 态解，其中。和z(即反馈系数和阈值)被视为参数，并给出一系列 定量的结果；针对一类特殊的梯形激活函数的CNN，研究了其静态 解诱导的映射产生Smale马蹄的充分条件，也说明了这类映射的复杂 性。 文章同时也提出了一种新的CNN，即脉冲激活函数的细胞神经 网络，它是梯形激活函数细胞神经网络的推广。由CNN关于其输入 向量的偏置水平的诸多性质，理论上可以得到：任意给定的线性不 可分的布尔函数都可由单个的CNN来实现。特别是在一维CNN的情 形中，可采用适当的脉冲激活函数，并运用逆偏置方法设计相应的 模板。在本文中，两个输入变量的异或(XOR)和非异或(NXOR)布尔 操作及含三个输入变量的所有152个线性不可分的布尔函数均可仅由 单个非标准的CNN实现，相应的CNN模板亦随之确定。对著名的生 命游戏，即9个输入变量的线性不可分的布尔函数，也给出了由单 个CNN实现的模板。 关键词：细胞神经网络(CNN)，梯形激活函数(TAF)，静态解，脉冲激 活函数(IAF)，线性不可分的布尔函数，CNN模板(template) Abstfact TheResearch0fCellularNeuraINetworksWith And ActivationFunction TrapezoidalImpulsive Abstract CellularNeural from neuralnet— Hopfield’S Network(CNN)，originated andNeumann’Scellular a infor．ma- work automata，iS continuous，parallel tion aclassofnon—linear system．As dynamicalsystem，CNN processing shows anew of patternlogical complexdynamicalproperties．Also，as powerfulcomputationcapability． computation，CNNpossesses Inthis classofcellularneural thesis，a network(CNN)withtrapezoidal activation then—z function(CNNwTAF、isinvestigated．Withplaneparti— into25 aandz tinned disjointregions。whereparametersrespectively open st