延迟-完全连接H-R神经网络的同步

利用施加时间延迟耦合项的方法,研究多个Hindmash-Rose (H-R)神经元在完全连接网络下的同步情况.分别将耦合强度与时间延迟作为控制参数,寻找2个、3个、6个H-R神经元在完全连接网络下的最佳同步情况,以及能实现同步的耦合强度和时间延迟的取值范围.并且尝试了在施加时间延迟的情况下添加噪声项,控制噪声强度的变化,研究噪声对H-R神经元同步的影响.     

噪声影响下的非线性耦合Hindmash-Rose神经网络混沌同步

研究具有最近邻域连接形式的Hindmash-Rose (H-R)神经网络混沌同步.通过非线性耦合项的构造使混沌系统对称耦合.对于3个以及4个H-R神经元构成的最近邻域耦合网络,给出产生完全同步的耦合强度范围,并分析了网络结构和噪声施加位置共同作用下系统的同步情况.结果表明:噪声在某些特定条件下可以一定程度提高系统同步性能.同时发现对于5个及更多数量的最近邻域连接神经网络.很难实现其完全同步.并通过条件Lyapunov指数的计算进行了验证.     

由Rssler混沌系统构建的复合型网络的同步

将Rssler混沌系统作为神经元,先建立星形子网络,再将子网络的中心神经元按照完全连接形式连接,构建复合型网络.采用并扩展使2个混沌系统同步的稳定性准则(SC)同步方法,对所构建的复合型网络的同步控制进行理论研究与数值模拟分析.提出了复合型网络的系统耦合方程,以及网络中神经元之间的同步误差发展方程.通过对相关耦合强度因子的控制,将参数对网络同步的形式与过程的影响进行了详细的讨论,得到了复合型网络中可能存在的混沌同步类型与相对应的参数控制范围,并证明了SC同步方法可以有效地解决由星形和完全连接型子网络构成的复合型网络的混沌同步问题.     

一种星形神经网络的混沌同步

通过理论研究和数值模拟,利用基于线性系统稳定准则(SC)的混沌同步方法,配置特殊的非线性项作为耦合函数,讨论一类Hindmarsh Rose (H R)神经元构成的复杂星形网络的混沌同步问题.提供了确定网络中神经元之间的同步误差发展方程,给出使神经元网络达到混沌同步的耦合强度的参考值和取值范围.在不同耦合强度影响下,观察神经元的同步过程,总结出各个耦合强度因子对该神经网络同步稳定性过程的影响.     

噪声诱导电耦合FHN神经元同步

通过噪声对2个电耦合神经元施加影响,讨论了噪声强度和耦合强度对耦合神经元系统同步的影响.研究发现,噪声和耦合的双重作用下,系统可以更快地达到同步.当耦合强度g=1.0>0.5时,电耦合连接的系统相当稳定,噪声并不能彻底改变系统状态.     

连接密度对于均匀网络上耦合映象同步方式和同步时间的影响

通过修改随机网络的连接概率,研究了网络的连接密度对于均匀网络上的同步方式和同步时间的影响,发现稠密的网络上同步时间与耦合强度关系是单调的.进一步揭示了连接密度产生这种影响的机制,即在稠密的网络上,弱耦合Logistic映象具有与强耦合Logistic映象相同的同步方式,于是随着耦合强度的变化,不出现两种同步方式的转变以及相应的同步慢化.     

电磁辐射下神经元放电模式及其环状耦合同步研究

鉴于外部磁场会对神经元放电活动产生影响,讨论了具有磁场作用的四变量ML(Morris and Lecar)神经元模型,利用快慢动力学揭示了其簇放电类型及分岔过程,并分析了随磁通反馈系数变化时系统放电行为. 同时以三个环状耦合神经元模型为例,通过定义同步判断标准——互相关系数和快慢变量的极大同步差,发现耦合神经元在磁场作用下,很小的耦合强度就可使系统从混沌状态转迁到周期放电模式并能诱导神经元完成从互不相关到簇放电同步再到峰放电同步的转迁. 且在合适的双参数范围内,适当耦合强度下系统更容易实现同步,有助于理解在适当耦合连接方式下电磁辐射对神经网络集群放电活动的影响及其同步机理.     

神经网络受损对神经元放电模式及同步行为影响的研究

以Hindmarsh-Rose(HR)神经元模型为节点构建一个环状耦合的神经网络,考察网络受损后对其放电模式及同步行为的影响.研究发现,当神经网络正常时,神经元具有较好的接收和输出信息的性能,合适的耦合强度可以调节体系的放电模式和同步行为.而当网络中出现一定程度的损伤时(包括部分神经元或突触连接受损),均会导致神经元的接收或输出信息的性能减弱,从而引起体系中神经元放电模式和放电频率发生改变,体系的同步程度降低.上述研究结果表明神经网络受损将影响神经元的放电活动,并导致网络的异常同步行为,从而为揭示神经性疾病的形成机理提供一定的理论解释.     

HR神经元网络抗脉冲干扰特性的研究

采用数值仿真的方法,研究了电突触耦合对Hindmarsh-Rose(HR)神经元网络抗脉冲干扰特性的影响.结果表明:规则的耦合形式和神经元数目对网络的抗脉冲干扰特性影响较小;神经元间电突触耦合强度的分布对网络的抗脉冲干扰特性影响较大.在全局耦合结构下,当突触耦合强的度分布满足一定条件时,网络中的神经元仍能同步放电且保持稳定的放电频率,呈现出较好的抵御脉冲干扰能力.     

电磁辐射下神经元放电模式及其环状耦合同步转迁

鉴于外部磁场会对神经元放电活动产生影响,本文讨论了具有磁场作用的四变量ML(Morris and Lecar)神经元模型,利用快慢动力学揭示了其簇放电类型及分岔过程,并分析了随磁通反馈系数变化时系统放电行为。同时以三个环状耦合神经元模型为例,通过定义同步判断标准——互相关系数和快慢变量的极大同步差,发现耦合神经元在磁场作用下,很小的耦合强度就可使系统从混沌状态转迁到周期放电模式并能诱导神经元完成从互不相关到簇放电同步再到峰放电同步的转迁。且在合适的双参数范围内,适当耦合强度下系统更容易实现同步,有助于理解在适当耦合连接方式下电磁辐射对神经网络集群放电活动的影响及其同步机理。     

神经元网络自适应时延同步及保密通信应用

考虑到时延在神经系统的普遍存在性,基于Lasalle不变性原理提出了一种新的自适应时延的同步方法.该方法的同步反馈控制强度不仅依赖于初始位置,还依赖于系统的时间延迟和反馈控制系数.利用Hindmarsh-Rose(H-R)神经元网络进行数值仿真验证其有效性和可行性,最后将该方法应用到保密通信系统中,实现保密通信.     

混沌系统中的预测同步现象

运用数值模拟方法,研究了由两个完全相同的Hindmarsh-Rose神经元通过单向延迟反馈耦合连接组成系统的动力学行为.研究结果表明,当延迟时间和耦合强度在适当的范围内取值时,从动神经元发生放电活动时所产生的动作电位,能够预测主动神经元发生放电活动时所产生的动作电位,即出现了预测同步现象.     

一类随机离散神经网络全局渐近同步

研究离散型时滞随机神经网络的同步问题,考虑了参数不确定性,解决离散型分布时滞对神经网络同步问题的影响.基于主从同步的概念,设计一个有更广泛应用的控制器,应用Lyapunov稳定性理论和线性矩阵不等式工具箱,得到这类神经网络同步的充分性判据.最后给出实际例子,检验了判据的有效性.     

基于自抗扰控制的2个耦合神经元间的混沌同步

针对电缆神经元模型,利用自抗扰控制技术,研究并实现了通过间隙耦合的2个神经元间的混沌同步.未加入控制器时,混沌同步只有当神经元间的耦合强度较大时才会出现.然而在神经元系统中,此条件并不总是得以满足.为此采用自抗扰控制技术来实现混沌同步而不需要考虑耦合强度的大小.此方法不要求精确的神经元模型,而且不要求状态可测,对于外界扰动具有很强的鲁棒性.仿真结果证明所提方法是有效的.     

间歇性和滞后效应策略的不连续神经网络同步分析

研究时滞线性耦合不连续神经网络的同步控制问题。运用李雅普诺夫稳定性理论和微分方程比较定理，提出一种基于间歇性和滞后效应策略的控制器，获得时滞线性耦合不连续神经网络的同步准则。最后进行数值模拟，从而验证所得理论结果的有效性。     

具有S-分布延时和脉冲控制的一类神经网络的鲁棒同步

具有脉冲的神经网络作为一种典型的混合系统在图像处理、模式识别、优化控制等实际工程中有广泛的应用.在这些应用中,要求神经网络具有鲁棒同步性质.因此,神经网络的鲁棒同步性研究受到许多学者的关注.本文将不确定非线性耦合函数引进到一般类神经网络中,通过构造适当的Lyapunov函数和运用一些不等式分析技术,研究了具有S-分布延时和脉冲控制的神经网络的鲁棒同步性质,得到了保证网络具有一般脉冲鲁棒同步的一个实用条件.     

Modified Functional Projective Synchronization of the Unidirectional and Bidirectional Hybrid Connective Star Network with Coupling Time-Delay

An unidirectional and bidirectional hybrid connective star network model with coupling time-delay is constructed in this paper. According to synchronization error systems, adaptive controllers for each node are structured by using the linear system stability method and the Lyapunov stability method. These adaptive controllers can realize the modified functional projective synchronization between each node of star network and an isolated node by argument and analysis. Finally, the corrective and effective of the adaptive controllers are illustrated by some numerical examples.     

混沌神经元的非线性延迟反馈自适应控制

 利用非线性时间延迟自反馈控制方法,研究单个Hindmarsh-Rose（H-R）神经元模型从混沌动力学模式转变为周期模式的自适应控制问题。在单个H-R神经元模型运动微分方程中的第一个微分方程的右端加上一个三次方的非线性延迟自反馈项,并分别将增益因子和时间延迟作为控制参数,给出混沌神经元动力学模式被控制的分岔图。数值模拟分析发现,在增益因子和时间延迟两个参数组合的一些范围内,混沌放电模式的H-R神经元可被自动控制到某一周期模式。被控制的周期模式大都集中在1,2,3,4,6峰周期或多倍周期模式。延迟时间的选取无特别要求,并不像其他混沌系统所要求的必须和嵌入在混沌吸引子内的某不稳周期轨道的周期相同,延迟控制可自适应地引导混沌放电模式到相应的放电峰峰间隔意义上的周期模式,实现信息识别的目的。     

神经元网络同步放电的抗扰特性

为了揭示神经元网络在噪声环境下实现可靠信息处理的内在机制,利用神经元模型对噪声环境下神经元网络同步放电的抗扰特性进行数值计算和分析.给出了定量描述神经元网络放电同步程度和抗扰特性的评价指标,并研究了放电同步程度和抗扰特性间的内在联系.数值仿真结果表明,神经元数目和耦合强度对网络的同步和抗扰特性影响较大;在一定范围内,神经元放电同步程度与抗扰特性强弱间具有近似线性的内在联系.因此,神经元网络可以利用同步放电机制抑制噪声干扰,执行可靠的信息编码与处理.