计算物理 ›› 2022, Vol. 39 ›› Issue (2): 244-252.DOI: 10.19596/j.cnki.1001-246x.8386
• 研究论文 • 上一篇
收稿日期:
2021-04-27
出版日期:
2022-03-25
发布日期:
2022-06-24
作者简介:
唐利红,E-mail: tangli20202020@163.com
基金资助:
Lihong TANG1(), Zongmei HE1, Yanli YAO2
Received:
2021-04-27
Online:
2022-03-25
Published:
2022-06-24
摘要:
提出一种超多稳态忆阻Hopfield神经网络, 它仅包含3个神经元和一个多稳态忆阻突触。从理论上分析神经网络的耗散性和平衡点的稳定性, 并利用分岔图、李雅普诺夫指数谱和相位图等数值方法分析不同忆阻突触耦合强度对神经网络动力学的影响。网络参数固定时, 揭示与初始状态值密切相关的超多稳态性动力学行为。最后, 设计忆阻Hopfield神经网络的模拟等效电路, 并通过PSIM电路仿真验证MATLAB数值仿真结果。
唐利红, 贺宗梅, 姚延立. 忆阻Hopfield神经网络动力学分析及其电路实现[J]. 计算物理, 2022, 39(2): 244-252.
Lihong TANG, Zongmei HE, Yanli YAO. Dynamical Analysis and Circuit Implementation of a Memristive Hopfield Neural Network[J]. Chinese Journal of Computational Physics, 2022, 39(2): 244-252.
图4 忆阻Hopfield神经网络的吸引子(a)周期1吸引子共存(k=0.7);(b)双涡卷混沌与周期吸引子共存(k=1);(c)周期3与周期1吸引子共存(k=1.4);(d) 单涡卷混沌与周期吸引子共存(k=1.65)
Fig.4 Attractors of the memristive Hopfield neural network (a) Coexisting period-1 attractors (k=0.7); (b) Coexisting double scroll attractors and periodic attractors (k=1); (c) Coexisting period-3 attractors and period-1 attractors (k=1.4); (d) Coexisting single scroll attractors and periodic attractors (k=1.65)
图6 初值z(0)相关的混沌与周期共存吸引子(a)共存混沌吸引子x1-x2-z三维视图;(b)共存混沌吸引子x1-z平面视图;(c)共存周期吸引子x1-x2-z三维视图;(d) 共存周期吸引子x1-z平面视图
Fig.6 Coexisting chaotic and periodic attractors related to initial values z(0) (a) Coexisting chaotic attractors on x1-x2-z three-dimensional view; (b) Coexisting chaotic attractors on x1-z plan view; (c) Coexisting periodic attractors on x1-x2-z three-dimensional view; (d) Coexisting periodic attractors on x1-z plan view
图10 忆阻突触耦合强度k相关的电路仿真结果(a) 周期吸引子RL=14.5 kΩ;(b) 混沌吸引子RL=8.2 kΩ
Fig.10 Circuit simulation results related to memristive synapse-coupled strength k (a) Periodic attractor RL=14.5 kΩ; (b) Chaotic attractor RL=8.2 kΩ
图11 初始状态z(0)相关的电路仿真结果(a) 共存混沌吸引子;(b) 共存周期吸引子
Fig.11 Circuit simulation results related to initial state z(0) (a) Coexisting chaotic attractors; (b) Coexisting periodic attractors
1 |
DOI |
2 |
朱航涛, 王丽丹, 段书凯, 等. 基于神经元晶体管和忆阻器的Hopfield神经网络及其在联想记忆中的应用[J]. 西南大学学报(自然科学版), 2018, 40 (2): 157- 166.
|
3 |
周瑞, 周立群. 一类具比例时滞Hopfield神经网络的全局渐近稳定性[J]. 西北大学学报(自然科学版), 2019, 49 (5): 716- 722.
|
4 |
陈墨, 陈成杰, 包伯成, 等. 忆阻Hopfield神经网络的初值敏感动力学[J]. 电子与信息学报, 2020, 42 (4): 870- 877.
|
5 |
DOI |
6 |
|
7 |
|
8 |
|
9 |
DOI |
10 |
DOI |
11 |
肖建, 张粮, 张子恒, 等. 一种基于多态忆阻器的电压型神经网络电路[J]. 微电子学, 2020, 50 (3): 331- 338.
|
12 |
|
13 |
王春华, 蔺海荣, 孙晶如, 等. 基于忆阻器的混沌、存储器及神经网络电路研究进展[J]. 电子与信息学报, 2020, 42 (4): 795- 810.
|
14 |
DOI |
15 |
DOI |
16 |
DOI |
17 |
DOI |
18 |
|
19 |
|
20 |
|
21 |
|
22 |
DOI |
23 |
|
24 |
DOI |
[1] | 吴国正, 王发杰, 程隋福, 张成鑫. 基于物理信息神经网络的内部声场正反问题数值计算[J]. 计算物理, 2022, 39(6): 687-698. |
[2] | 肖聪, 张士诚, 马新仿, 周彤, 侯腾飞. 基于模型降维和递归神经网络的油藏参数反演[J]. 计算物理, 2022, 39(5): 564-578. |
[3] | 唐利红, 贺宗梅, 姚延立. 具有隐藏超级多稳定性的磁感应HR神经元及其电路实现[J]. 计算物理, 2022, 39(5): 589-597. |
[4] | 黄灿, 田冷, 王恒力, 王嘉新, 蒋丽丽. 基于条件生成式对抗网络的油藏单井产量预测模型[J]. 计算物理, 2022, 39(4): 465-478. |
[5] | 贾雅琼, 俞斌. 基于重复混沌扩频序列的差分混沌键控系统[J]. 计算物理, 2022, 39(4): 491-497. |
[6] | 刘凯歌, 韦笃取. 基于WOA-ESN的电机系统混沌振荡预测[J]. 计算物理, 2022, 39(4): 498-504. |
[7] | 卢英东, 韦笃取. 基于遗传注意力机制的DLSTM电力系统混沌预测[J]. 计算物理, 2022, 39(3): 371-378. |
[8] | 潘剑, 郭照立, 陈松泽. 从噪声数据学习偏微分方程的复合神经网络[J]. 计算物理, 2022, 39(2): 223-232. |
[9] | 李洪, 章立新, 任燕, 高明, 刘婧楠. 基于灰色关联分析的BP神经网络对混流闭式冷却塔出水温度的预测[J]. 计算物理, 2022, 39(1): 53-59. |
[10] | 罗佳, 孙亮, 乔印虎. 忆阻突触耦合环形Hopfield神经网络动力学分析及其电路实现[J]. 计算物理, 2022, 39(1): 109-117. |
[11] | 徐启程, 孙常春. 具有复合幂函数和共存吸引子的新混沌系统的动力学分析与电路仿真[J]. 计算物理, 2021, 38(6): 742-748. |
[12] | 郑书昱, 彭佳臻, 张先梅, 薛二兵, 虞立敏. 基于神经网络的托卡马克能量约束时间预测[J]. 计算物理, 2021, 38(4): 423-430. |
[13] | 白婧, 黄志精, 唐国宁. 用运动控制器来终止心律失常[J]. 计算物理, 2021, 38(3): 352-360. |
[14] | 康志君, 仓诗建, 李月. 一种基于保守混沌的密钥分发协议及图像加密算法[J]. 计算物理, 2021, 38(2): 231-243. |
[15] | 颜闽秀, 徐辉. 共存吸引子个数可调的混沌系统[J]. 计算物理, 2021, 38(2): 244-252. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||
版权所有 © 《计算物理》编辑部
地址:北京市海淀区丰豪东路2号 邮编:100094 E-mail:jswl@iapcm.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发