[发明专利]一种用于离散神经元网络的初值控制方法

说明书

本发明涉及电子神经元技术领域，尤其涉及一种用于离散神经元网络的初值控制方法，包括通过忆阻突触和两个离散Rulkov神经元构建离散双神经元网络；通过设置忆阻初值控制离散双神经元网络的放电模式以及调节同步状态。本发明解决了传统方法通过耦合强度控制离散神经元网络同步，提供了一种以忆阻突触耦合的离散Rulkov双神经元网络的新思路，并通过硬件平台实验证明本发明方法的有效性。

技术领域

本发明涉及电子神经元技术领域，尤其涉及一种用于离散神经元网络的初值控制方法。

背景技术

1971年，蔡少棠教授从理论上预测除电阻、电容和电感三个基础电路元件外，还存在一种具有记忆功能的非线性元件——忆阻。2008年，惠普公司在《Nature》上首次报道忆阻器的实现性震惊了整个电工电子技术领域。

许多人工神经元模型能够模拟出生物神经元的复杂的放电活动，离散的神经元模型能够很好地模拟生物神经元系统中的离子泵送过程。其中一种离散的Rulkov神经元模型是由Rulkov提出的一类简单的二维映射，该映射可以模拟出类似生物神经元的混沌簇放电行为。通常，神经元模型的电活动源于非线性过程的高维动力学。模拟在膜通道中离子电流的产生和相互作用与非线性过程密不可分。由于忆阻的非线性和非易失性，它可用于模拟神经突触，或是用来表征在细胞外离子和细胞内离子相互作用期间的电磁感应。过去的几年中，许多学者相继提出了一些忆阻与连续型神经元模型结合的神经元与神经网络模型，忆阻与离散神经元耦合的模型还有待深入研究。

神经元的同步对于学习和形成记忆至关重要，同步振荡的神经元是大脑的信息处理、信息传输和信息协调的重要标志。最近几年，研究者们提出了许多电突触耦合、化学突触耦合和忆阻突触耦合的连续型神经元网络模型。对于离散神经元网络只有电突触耦合与化学突触耦合方面的研究，且这些离散神经元网络大都通过耦合强度控制神经元网络的同步，忽视了生物神经网络的电磁感应效应；而且，相比于连续型神经网络丰富的同步控制方法，离散神经元领域，缺乏利用初值控制同步方法。

本发明以忆阻突触耦合的离散Rulkov双神经元网络模型为例，提出了一种用于离散神经元网络的初值控制方法，并且给出了硬件平台的实验结果，证明了此方法的有效性和可实现性。

发明内容

本发明解决的技术问题是：为了克服现有技术中的不足，本发明提出基于忆阻突触耦合的Rulkov双神经元网络，实现了由忆阻初值控制离散神经元网络同步。

本发明所采用的技术方案是：一种用于离散神经元网络的初值控制方法包括如下步骤：

通过忆阻突触和两个离散Rulkov神经元构建离散双神经元网络；

通过设置忆阻初值、固定参数和初始条件，从而控制离散双神经元网络的放电模式以及调节同步状态。

进一步的，忆阻突触的表达式为：

其中，X_1,n和X_2,n分别所耦合的两个神经元的动作电位，I_n是两神经元之间由电位差引起的磁感应电流，ε为尺度因子，为两个神经元的磁通量变量，为有界的忆导。

进一步的，离散双Rulkov神经元网络的表达式为：

其中，X_1,n+1和Y_1,n+1为第一个神经元的第n+1次迭代后的电位变量和恢复变量，X_2,n+1和Y_2,n+1为第二个神经元的第n+1次迭代后的电位变量和恢复变量，k为耦合强度，参数μ和σ是控制参数和外部施加的影响。