论文部分内容阅读
人工神经网络在模拟真实神经网络方面具有很多优势,一直是人们研究的热点,而混沌神经网络由于具有非常丰富的动力学特征和潜在的应用价值而逐渐成为其中的佼佼者。目前混沌神经网络的研究主要有两个方向:一是神经网络的拓扑结构,在连接图上寻找神经元最可能的连接方式。然而目前研究所用的主要是规模较小的链状或者环状结构,对大规模的二维小世界网络的关注不够;二是神经元动力学模型。过去对Hodgkin-Huxley模型和Nagamu-Sato模型的研究较多,而对以生物电实验为基础的Aihara神经元模型的研究却相对较少。本文首先构筑了一种二维连接的闭合边界小世界神经网络结构,并应用Aihara混沌神经网络模型和Hebb学习规则研究其动力学特性。然后,我们在其拓扑结构中构造孤立节点,并研究了它们对网络全局同步性的影响,结果表明当网络中存在的孤立节点数占网络节点总数1.5%左右的时候,网络的同步能力开始受到显著破坏。最后,我们分别讨论了网络连接概率、耦合强度以及节点平均连接强度与网络同步能力的关系,研究发现以上网络参数取值太小或者太大都不利于网络的同步,而取适当值的网络才具有很强的同步能力。本文的研究结果有助于理解神经系统的信息传递机制,并为并为进一步揭示大脑工作奥秘提供一些新的思路。