朱塞克·黑泽明;直纪马苏塔尼;奈良(Nara,Shigetoshi);川崎爱原 混沌神经网络模型中混沌游荡状态对记忆片段输入的敏感响应。 (英语) Zbl 1084.37509号 国际分叉混沌应用杂志。科学。工程师。 14,第4期,1413-1421(2004)。 摘要:研究了混沌神经网络模型在混沌游荡状态下对记忆片段弱输入的敏感性。在某些参数区域,网络表现出弱混沌游荡,这意味着网络动力学在状态空间中的轨道局限于几个记忆模式。在其他参数区域,网络显示出高度发达的混沌游荡,即轨道通过所有记忆模式的废墟变得巡回。在后一种情况下,一旦将由记忆片段组成的外部输入应用于网络,轨道将在几个迭代步骤内快速移动到相应记忆模式(包括记忆片段)的附近。因此,模型中的混沌动力学对于记忆模式之间的瞬时搜索是有效的。 引用于4文件 MSC公司: 37D45号 奇异吸引子,双曲行为系统的混沌动力学 68T05型 人工智能中的学习和自适应系统 37N99型 动力系统的应用 关键词:混沌神经网络;混沌游荡;瞬时存储器搜索 PDF格式BibTeX公司 XML格式引用 \textit{J.Kuroiwa}等人,《国际分叉混沌应用》。科学。工程14,第4期,1413-1421(2004;Zbl 1084.37509) 全文: 内政部 参考文献: [1] Adachi M.,《神经网络》,第19页,第83页—— [2] K.Aihara和G.Mastumto,混沌,编辑A.V.Holden(曼彻斯特大学和普林斯顿大学出版社,1987年)pp。257–269. [3] 内政部:10.1016/0375-9601(90)90136-C·doi:10.1016/0375-9601(90)90136-C [4] 内政部:10.1007/BF00365229·Zbl 0364.92016年 ·doi:10.1007/BF00365229 [5] 内政部:10.1007/978-3-642-97171-6·doi:10.1007/978-3-642-97171-6 [6] 内政部:10.1142/S0218127492000653·Zbl 0900.92036号 ·doi:10.1142/S0218127492000653 [7] DOI:10.1016/S0893-6080(96)00054-8·Zbl 0899.92008号 ·doi:10.1016/S0893-6080(96)00054-8 [8] Hayashi H.,J.物理学。Soc.Jpn.公司。第55页,第3372页 [9] 内政部:10.1103/PhysRevLett.63.219·doi:10.1103/PhysRevLett.63.219 [10] 内政部:10.1016/0167-2789(89)90227-3·Zbl 0702.58043号 ·doi:10.1016/0167-2789(89)90227-3 [11] Kuroiwa J.、Int.J.《分歧与混沌》第5卷第1447页– [12] 内政部:10.1007/s00521-003-0348-1·Zbl 1040.68102号 ·doi:10.1007/s00521-003-0348-1 [13] 内政部:10.1143/ptp/88.5.845·doi:10.1143/ptp/88.5.845 [14] 内政部:10.1142/S0218127495000867·Zbl 0886.58106号 ·doi:10.1142/S0218127495000867 [15] DOI:10.1103/PhysRevE.55.826·doi:10.1103/PhysRevE.55.826 [16] DOI:10.1103/物理版E.58.6392·doi:10.1103/PhysRevE.58.6392 [17] DOI:10.1017/0140525x00047336·doi:10.1017/S0140525X00047336 [18] 数字对象标识码:10.1143/PTP.78.51·doi:10.1143/PTP.78.51 [19] 内政部:10.1080/02604027.1991.9972257·doi:10.1080/02604027.1991.9972257 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。