论文部分内容阅读
人体大约含有1011个神经元,在它们高度的连接和运作中,人类完成了各种思考和运动。人体的某些神经结构是先天形成的,但其他一些则形成于后天实践。每一个神经元都可以看成是一个复杂的微处理器。通常来说,所有的生物神经功能,都存储在神经元及其连接上。比如学习是一个过程,是在神经元之间建立新的连接或者修改连接。生物神经元是极其复杂的,考虑的神经元不是生物神经元,而是对其进行简单的抽象,称其为人工神经元。人工神经元网络的功能没有人脑那么强大,但可对其加以模拟,用以实现某些有用的功能。 本文研究的是一类离散时间双极人工神经网络模型的周期性。该人工神经元网络模型为正四面体,每个神经元位于正四面体的顶点,神经元之间用正四面体的边来连接,时间为离散的,前一刻时间,系统的行为取决于该系统的状态。神经元的状态变化用差分系统描述:(此处公式省略)权值矩阵和偏置由参数α和β决定。每个神经元的状态值由+1和-1表示。本研究的神经元为二维神经元,不同于以往的一维神经元,故分析过程更加复杂。根据参数将神经网络划分为36种情况,每种情况下长时间的动态行为分为三类:不动点、周期点和吸引盘。由于正四面体的对称性,故本文分为21类讨论。通过对参数和神经网络的分析,可以得到完整的周期性结论。