忆阻器赋能下时滞分数阶神经网络系统的动力学特性与分析.docx

忆阻器赋能下时滞分数阶神经网络系统的动力学特性与分析

一、引言

1.1研究背景与意义

在现代科技飞速发展的背景下，神经网络作为人工智能领域的核心技术之一，一直是研究的热点。传统的神经网络在处理复杂问题时，虽取得了一定成果，但随着对大脑功能模拟需求的不断提高，其局限性也逐渐显现。忆阻器、时滞和分数阶微积分的引入，为神经网络的发展开辟了新的道路。

忆阻器作为一种新型的电路元件，最早由华裔物理学家蔡少棠于1971年从理论上预言，它是磁通量与电荷量之间的关系元件，是继电阻、电容和电感之后的第四种基本电路元件。忆阻器具有独特的记忆特性，其电阻值会根据过去的电流或电压历史而变化，这一特性使其在模拟