离散记忆双神经元的多机制驱动的几何控制 HNN:调制分析和硬件实现
Yuke Tang1, Tingkai Zhao1, Xiaosheng Feng1
1School of Electronic Engineering, Heilongjiang University, Harbin 150080, China.
Chaos (Woodbury, N.Y.)
|October 2, 2025
概括
这项研究引入了一种新的四维离散霍普菲尔德神经网络 (4DMCHNN) 模型. 这项研究探讨了突触交叉声效应,揭示了神经形态计算和混乱控制中的应用复杂的混乱动态.
科学领域:
- 神经科学是一个神经科学.
- 复杂的系统复杂的系统.
- 计算神经科学是一种神经科学.
背景情况:
- 离散记忆的霍普菲尔德神经网络 (HNN) 中的动态调制机制是一个关键的研究领域.
- 了解突触交叉声效应对于推进神经网络动态至关重要.
研究的目的:
- 提出和研究一个四维离散的霍普菲尔德神经网络模型 (4DMCHNN) 结合突触交叉通话.
- 分析由突触交叉交谈影响的复杂的动态调节行为和混乱性质.
主要方法:
- 开发一个四维离散的霍普菲尔德神经网络模型 (4DMCHNN).
- 在突触交叉通话下对动态调节行为进行系统的调查.
- 分析混乱现象的数值模拟,包括振幅控制和周期调制.
- 在数字电路平台上实现并使用NIST统计测试对伪随机数发生器进行验证.
主要成果:
- 4DMCHNN表现出丰富的混乱现象,振幅控制取决于突触交叉通话强度和memristor参数.
- 周期动态调制主要受到memristor参数的影响,增强吸引器偏移调节.
- 该系统展示了初始值诱导的转移和同质吸引力的共存.
- 一个基于4DMCHNN的伪随机数生成器通过了NIST统计测试,表明了硬件适用性.
结论:
- 突触交叉音响显著影响离散记忆的霍普菲尔德神经网络的混乱动态.
- 拟议的4DMCHNN提供混乱行为的可预测调制,适合神经形态应用和混乱控制.
- 4DMCHNN的硬件实现证明了其在实用,低成本应用中的潜力.
