电磁感应对修改的记忆神经图形模型的影响
Prasina Alexander1, Fatemeh Parastesh2, Ibrahim Ismael Hamarash3,4
1Centre for Nonlinear Systems, Chennai Institute of Technology, Chennai, India.
Mathematical biosciences and engineering : MBE
|December 5, 2023
概括
这项研究使用memristors增强了离散的神经图,揭示了化学合促进了合系统中更广泛的同步. 研究人员确定了复杂的行为,如金梅拉和集群状态.
科学领域:
- 计算神经科学是一种计算神经科学.
- 非线性动力学是一种非线性动力学.
- 记忆系统是一种记忆系统.
背景情况:
- 离散的神经模型提供数学简单性和计算效率.
- 记忆器对于开发先进的神经形态计算系统至关重要.
- 了解memristor动态是新型神经网络架构的关键.
研究的目的:
- 通过集成基于触角的超标记忆器来增强一个离散的神经图模型.
- 研究磁感应强度对记忆神经图形动态的影响,包括多稳定性和分叉.
- 在各种合类型 (电气,化学,磁性) 下分析合记忆神经图的集体行为和同步模式.
主要方法:
- 在一个离散的神经图中,将一个过度的触角基的memristor纳入一个离散的神经图.
- 在不同的磁感应强度下对分叉图和多稳定性的分析.
- 检查不同连接类型的合记忆神经图中的同步现象.
主要成果:
- 磁感应强度显著影响记忆神经图的动态和多稳定性.
- 在研究的系统中,与电磁合相比,化学合显示出更大的同步区域.
- 这项研究确定和描述了各种各样的嵌合体状态和集群同步状态在结合的记忆神经图中.
结论:
- 记忆器的集成为增强离散神经模型提供了一个有希望的途径.
- 化学合对于在记忆神经图的网络中实现更广泛的同步特别有效.
- 这些发现有助于理解复杂的动力学和记忆神经系统中出现的行为,这对神经形态工程有意义.


