通过磁控忆阻器的感应电流模拟电磁辐射, 研究电磁辐射效应下Newman-Watts(NW)小世界的正切型忆阻耦合Hindmarsh-Rose(HR)神经网络动力学行为。数值仿真发现: 增大耦合强度会促进神经元之间的同步和改变神经元的放电模式; 当电磁辐射效应作用时, 神经网络对初始值敏感, 同时通过哈密顿能量发现, 电磁辐射会增强神经元放电所需能量。当忆阻耦合与电磁辐射效应共同作用时, 电磁辐射强度越小, 忆阻耦合更能有效地促进网络同步。实验结果表明: 在电磁辐射效应下的正切型忆阻耦合神经网络对初始值状态敏感, 神经网络的同步行为和放电活动与耦合强度、电磁辐射有关。

基于改进的电磁感应神经元模型, 研究忆阻神经Hindmarsh-Rose (HR)网络的相干共振(CR)现象。模型中除了电耦合连接相邻神经元之间的间隙外, 还使用磁耦合来描述神经元之间的场耦合效应。利用分岔图和相图对稳定点进行动力学分析, 解释了CR出现和放电模式变化的潜在动力学机制。研究发现高斯白噪声可以在忆阻神经元亚临界Hopf分岔附近的静息状态诱导CR, 且CR的出现与噪声强度增大引起的放电模式变化有关。

基于下一代储备池计算实现电机系统混沌预测, 并能够基于已有数据预测未知变量数据。与传统储备池计算相比, 下一代储备池计算所采用数据本身直接连接, 需要的训练数据集更小。并且下一代储备池计算通过高维转换避免了传统储备池网络复杂的参数优化计算, 使得计算速度实现大幅提升。这一研究结果为电机系统混沌预测提供一种研究思路。

考虑到电磁场的影响, 在Izhikevich神经元模型中引入电场变量和磁通变量, 利用电突触耦合构建神经网络, 研究电磁场耦合忆阻Izhikevich神经网络集体动力学行为。数值仿真发现: 随着电突触耦合强度的增大, 神经网络逐渐达到同步状态, 并且神经元的放电模式也会随之改变。增大磁场耦合值可以提高神经元的放电活性, 并且对网络同步也有一定的促进作用, 而增大电场则会抑制神经元的放电活动。另外, 当电突触与磁场耦合共同作用时, 磁场耦合值越小, 电突触耦合更能有效促进网络同步; 在电突触耦合强度的作用下, 电场抑制电活动的效果更明显。研究结果可望为理解神经系统中的信号编码和传递提供新的见解。

研究电突触、化学突触以及两者共存对忆阻Rulkov神经模型集体动力学行为的影响。对于两个忆阻Rulkov神经元系统, 各种耦合方式都能使系统实现同步。对于不同的耦合强度, 神经元呈现不同的放电模式, 如方波, 三角波, 脉冲放电等。当电突触、化学突触同时存在时, 系统的同步更依赖于电耦合强度。对全局耦合忆阻Rulkov神经网络同步的研究表明: 化学突触单独作用时, 同步发生在耦合参数的某个区域范围, 当化学耦合强度超过某一阈值时, 同步会随着耦合强度的增加而被破坏。电突触单独作用时, 系统很快到达同步状态, 并且电耦合强度是决定神经元处于静止还是峰放电的关键因素, 随着电耦合强度增加, 神经元放电频率、振幅增大。当电、化学耦合同时存在时, 耦合强度的增加使神经元由静息转变为圆弧放电, 并进入同步状态。本文提供了一种通过调整耦合方式和耦合强度, 控制神经网络放电模式及其同步的可能方法。

提出一种将鲸鱼优化算法(WOA)与回声状态网络算法(ESN)结合的WOA-ESN预测方法, 并将此方法应用到永磁同步电机(PMSM)的混沌振荡预测, 进行实验仿真并和其他预测算法比较, 证明所提出方法拥有更高的预测精度。

提出一种基于遗传算法优化注意力机制的深度长短期记忆网络(DLSTM)方法，用于电力系统的混沌预测。通过传递共享参数，将遗传算法优化的注意力机制加入DLSTM模型中，可以挖掘时间序列中潜在特征，同时避免陷入局部优化。该方法是一种受进化计算方法启发的寻优方法，可以很好地学习注意力层中的参数。电力系统混沌预测实验表明所提模型比其他参考模型具有更高的预测精度和长期预测能力。