1、生物學(xué)研究表明，一些生物網(wǎng)絡(luò)具有復(fù)雜的時(shí)空連接特性，并伴有可復(fù)現(xiàn)的序貫活動(dòng)，許多復(fù)雜的生命行為與此緊密關(guān)聯(lián)。時(shí)空連接網(wǎng)絡(luò)的模式轉(zhuǎn)移序貫行為的研究還可以為序貫決策，記憶搜索，外部刺激的編碼與識(shí)別等生物智能系統(tǒng)的建模提供可借鑒的方法。
　　 本文對(duì)基于突觸計(jì)算的神經(jīng)網(wǎng)絡(luò)情景記憶模型進(jìn)行了系統(tǒng)深入的研究。主要研究了動(dòng)態(tài)突觸、混沌神經(jīng)元、非線(xiàn)性?xún)?nèi)電位構(gòu)造函數(shù)以及非全連接結(jié)構(gòu)對(duì)網(wǎng)絡(luò)性能的影響，給出了可復(fù)現(xiàn)的模式轉(zhuǎn)移序貫行為的產(chǎn)生方法與機(jī)理

2、、產(chǎn)生的時(shí)空連接條件及調(diào)控方法，并分析了時(shí)空連接網(wǎng)絡(luò)模式轉(zhuǎn)移行為的穩(wěn)定性。論文的主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下：
　　 (1)基于動(dòng)態(tài)突觸和非線(xiàn)性?xún)?nèi)電位構(gòu)造函數(shù)的神經(jīng)網(wǎng)絡(luò)聯(lián)想記憶模型研究。
　　 神經(jīng)生理學(xué)的研究表明，多種神經(jīng)元的突觸連接強(qiáng)度在短時(shí)程內(nèi)會(huì)發(fā)生較大的變化。本文首先將動(dòng)態(tài)突觸植入人工神經(jīng)網(wǎng)絡(luò)，研究抑制型動(dòng)態(tài)突觸神經(jīng)網(wǎng)絡(luò)模型聯(lián)想記憶。并且進(jìn)一步設(shè)計(jì)出一種以非線(xiàn)性?xún)?nèi)電位函數(shù)構(gòu)造為核心的抗偽狀態(tài)方案，以取代傳統(tǒng)的Hebb

3、規(guī)則及其外積法，建立了一種抗偽狀態(tài)的聯(lián)想記憶網(wǎng)絡(luò)，并通過(guò)吸引域的變化研究抗偽狀態(tài)方案的正確性和有效性。仿真結(jié)果表明：比采用抑制型動(dòng)態(tài)突觸和非線(xiàn)性?xún)?nèi)電位函數(shù)構(gòu)造的模型比傳統(tǒng)Hebb規(guī)則及其外積法的Hopfield聯(lián)想記憶網(wǎng)絡(luò)在容錯(cuò)性上更優(yōu)，記憶狀態(tài)的吸引域明顯增大，存儲(chǔ)容量也有所增加。
　　 (2)基于可控混沌神經(jīng)元的神經(jīng)網(wǎng)絡(luò)聯(lián)想記憶模型研究。
　　 在神經(jīng)系統(tǒng)中，從微觀的神經(jīng)元到宏觀的腦電波，理論和實(shí)驗(yàn)兩方面都發(fā)現(xiàn)了混沌

4、現(xiàn)象的存在，它在人工神經(jīng)網(wǎng)絡(luò)的信息處理中起著重要作用。但是混沌神經(jīng)網(wǎng)絡(luò)的混沌特性使得網(wǎng)絡(luò)不能穩(wěn)定到某個(gè)模式或者周期性軌道，這樣就妨礙了混沌神經(jīng)網(wǎng)絡(luò)在信息處理中的應(yīng)用。本文提出了一種混沌神經(jīng)網(wǎng)絡(luò)控制的動(dòng)態(tài)抑制模型，其動(dòng)態(tài)抑制作用于混沌神經(jīng)元的內(nèi)狀態(tài)?；煦缟窠?jīng)網(wǎng)絡(luò)在動(dòng)態(tài)抑制控制作用下，網(wǎng)絡(luò)的控制目標(biāo)不需要預(yù)先給定，網(wǎng)絡(luò)可以以自適應(yīng)的方式進(jìn)行控制。仿真結(jié)果表明：只要控制強(qiáng)度參數(shù)選取合理，混沌神經(jīng)網(wǎng)絡(luò)在控制作用下就可以穩(wěn)定到記憶模式。
　

5、　 (3)基于復(fù)雜網(wǎng)絡(luò)構(gòu)造的神經(jīng)網(wǎng)絡(luò)聯(lián)想記憶模型研究。
　　 真實(shí)的大腦神經(jīng)網(wǎng)絡(luò)是稀疏網(wǎng)絡(luò)，而且具有幾何效應(yīng)。為了更加真實(shí)地模擬真實(shí)神經(jīng)系統(tǒng)的工作特性，本文提出了一種連接度為正態(tài)分布的網(wǎng)絡(luò)結(jié)構(gòu)，并研究了不同平均連接度對(duì)神經(jīng)網(wǎng)絡(luò)存儲(chǔ)容量和吸引域的影響，以及不同網(wǎng)絡(luò)結(jié)構(gòu)對(duì)神經(jīng)網(wǎng)絡(luò)性能的影響。研究結(jié)果表明：對(duì)于連接度正態(tài)分布的神經(jīng)網(wǎng)絡(luò)其最大存儲(chǔ)容量是平均連接度為0.64N的時(shí)候，網(wǎng)絡(luò)的存儲(chǔ)容量是傳統(tǒng)的全連接Hopfield神經(jīng)網(wǎng)絡(luò)的

6、兩倍多。但是，神經(jīng)元平均連接度越高的網(wǎng)絡(luò)對(duì)聯(lián)想記憶的魯棒性越好，而吸引域則隨著平均連接度的減小而減小。非全連接的神經(jīng)網(wǎng)絡(luò)具有高的存儲(chǔ)容量，但是容錯(cuò)性卻降低了，網(wǎng)絡(luò)存儲(chǔ)容量的提高是以犧牲網(wǎng)絡(luò)的容錯(cuò)性為代價(jià)的。通過(guò)對(duì)正態(tài)分布網(wǎng)絡(luò)，ER分布網(wǎng)絡(luò)，Small-world網(wǎng)絡(luò)聯(lián)想記憶性能的比較，得出了一個(gè)關(guān)于非全連接網(wǎng)絡(luò)的一般性的結(jié)論：網(wǎng)絡(luò)存儲(chǔ)容量的大小不完全取決于網(wǎng)絡(luò)的平均連接度，而且取決于網(wǎng)絡(luò)的結(jié)構(gòu)；吸引域的大小與網(wǎng)絡(luò)的結(jié)構(gòu)無(wú)關(guān)，只與網(wǎng)絡(luò)的平

7、均連接度有關(guān)。
　　 (4)基于混沌神經(jīng)元和動(dòng)態(tài)突觸的情景記憶模型研究。
　　 許多研究結(jié)果表明神經(jīng)網(wǎng)絡(luò)的模式轉(zhuǎn)移現(xiàn)象依賴(lài)于動(dòng)態(tài)突觸和混沌神經(jīng)元，而傳統(tǒng)的情景記憶還沒(méi)有將神經(jīng)元突觸的動(dòng)態(tài)性以及神經(jīng)元的混沌性考慮進(jìn)去。為了準(zhǔn)確地描述神經(jīng)元在情景記憶中的功能，本文提出了一種基于動(dòng)態(tài)突觸和混沌神經(jīng)元的情景記憶模型，并分析研究了抑制型動(dòng)態(tài)突觸和混沌神經(jīng)元對(duì)神經(jīng)網(wǎng)絡(luò)情景記憶的存儲(chǔ)容量、模式轉(zhuǎn)移時(shí)間，序列的穩(wěn)定性以及模式穩(wěn)定時(shí)間的影

8、響。仿真實(shí)驗(yàn)結(jié)果表明：抑制型動(dòng)態(tài)突觸可以提高網(wǎng)絡(luò)情景記憶的存儲(chǔ)容量，縮短模式轉(zhuǎn)移時(shí)間，提高情景記憶的穩(wěn)定性，縮短模式的穩(wěn)定時(shí)間；混沌神經(jīng)元的特性使得網(wǎng)絡(luò)模式的穩(wěn)定時(shí)間縮短，并且模式的穩(wěn)定時(shí)間的大小可以由混沌特性參數(shù)決定；另外，混沌神經(jīng)元的特性縮短了模式轉(zhuǎn)移時(shí)間。
　　 (5)穩(wěn)定時(shí)間可控的情景記憶模型研究。
　　 在傳統(tǒng)的情景記憶模型中，模式的穩(wěn)定時(shí)間是不可以控制的，這與真實(shí)的神經(jīng)系統(tǒng)情景記憶是不符合的。為此，本文研究研

9、究穩(wěn)定時(shí)間可控的情景記憶模型，首先提出了一種基于指數(shù)內(nèi)核取樣函數(shù)的模式穩(wěn)定時(shí)間可控的情景記憶模型，模式的穩(wěn)定時(shí)間通過(guò)取樣間隔時(shí)間參數(shù)來(lái)控制。其次，本文又進(jìn)一步將非全連接結(jié)構(gòu)和內(nèi)電位構(gòu)造函數(shù)引入情景記憶模型，分別提出了基于復(fù)雜網(wǎng)絡(luò)的情景記憶模型和基于非線(xiàn)性?xún)?nèi)電位構(gòu)造函數(shù)的多序列情景記憶模型，并分析了神經(jīng)元不同連接度下神經(jīng)網(wǎng)絡(luò)情景記憶的性能，和非線(xiàn)性?xún)?nèi)電位構(gòu)造函數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)情景記憶的影響。結(jié)果表明，非全連接結(jié)構(gòu)網(wǎng)絡(luò)情景記憶可以更加有效率地使

10、用神經(jīng)元之間的連接資源，并且對(duì)于不同結(jié)構(gòu)的非全連接網(wǎng)絡(luò)，在同樣的平均連接度下，利用連接資源的效率是一樣的，而內(nèi)電位構(gòu)造函數(shù)則可以提高情景記憶的存儲(chǔ)容量。最后，為了更有效地模仿真實(shí)神經(jīng)系統(tǒng)情景記憶的狀態(tài)，本文提出了一種基于神經(jīng)元協(xié)同激勵(lì)的不同模式的穩(wěn)定時(shí)間不同的情景記憶模型。在該模型中，不同模式的穩(wěn)定時(shí)間可以通過(guò)該模式和輸入模式之間的相似性來(lái)控制，相似度越高，模式穩(wěn)定時(shí)間越長(zhǎng)。另外，神經(jīng)元協(xié)同激勵(lì)情景記憶存儲(chǔ)容量比傳統(tǒng)的情景記憶模型得到明