离散忆阻式脉冲神经网络：研究信息流动、同步现象及智能的涌现

《Cognitive Neurodynamics》：Discrete memristive spiking neural networks: investigating information flow, synchronization, and emergent intelligence

　　离散忆阻脉冲神经网络的学习机制与信息传递研究，构建了具有记忆调节功能的忆阻器模型，分析三元耦合和环形耦合神经网络的动态特性，并验证了基于脉冲神经元网络的模式识别能力，为神经网络的计算机制和AI发展提供理论支撑

　　

摘要

在复杂的神经网络中处理信息是一个长期困扰研究人员的挑战性课题。在本文中，我们对离散式忆阻器脉冲神经网络中的学习机制进行了深入研究。我们还探讨了不同神经元和网络之间的信息传输与同步效果。首先，我们构建了一个具有记忆调节功能以及tanh函数非线性特性的忆阻器模型。该模型不仅确保了忆阻器的内部状态变量不会发散，还证明了这种忆阻器适用于脉冲信号处理，并具备传输脉冲信号的能力。其次，我们研究了这些离散脉冲神经网络的复杂动态特性，包括三元耦合脉冲神经网络和环形耦合脉冲神经网络，旨在揭示它们的工作原理及相互作用方式。最后，基于所设计的脉冲神经元，我们构建了一个简单的脉冲神经元网络。通过合理设置相关参数，研究发现该网络具有模式识别能力。我们的研究结果对于理解神经网络中的信息处理机制和同步现象至关重要，为忆阻器网络在推动人工智能和计算神经科学领域的发展提供了宝贵的见解。