具有时滞和超前变元的Hopfield型神经网络的不可预测振荡
摘要
1.简介
2.前期工作
-当与其他单元和输入隔离时,单元自我调节或重置其电位的速率; 米 -网络中神经元的数量; -的状态 我 时间第个单位 t吨 ; , -单元输入电势的激活函数 j个 ; -单位的突触连接权重 j个 在单元上 我 ; -时变激励,对应于从网络外部到机组的外部输入 我 .
3.主要成果
(A1) 它们是一致连续的; (A2) 存在一个数字 这样的话 对于每个功能 ; (A3) 存在一个序列 发散到无穷大 对于每个函数,在实轴的每个闭有界区间上一致 .
(C1) 和 为所有人 哪里 为正常数; (C2) 存在正数 , 这样的话 和 ; (C3) 是来自空间的函数 ,并且存在一个正数 这样的话 (C4) (C5) (C6) ,其中 ; (C7) ; (C8) 存在一个序列 使用该属性 作为 这样的话 和 作为 在每个有限整数区间上,其中 是定义1中给出的序列。
4.示例和数值模拟
作者贡献
基金
机构审查委员会声明
知情同意书
数据可用性声明
鸣谢
利益冲突
工具书类
Akhmet,M。 非连续动力系统原理 ; 施普林格:美国纽约州纽约市,2010年。 [ 谷歌学者 ] 维纳,J。 泛函微分方程的广义解 ; 世界科学:新加坡,1993年。 [ 谷歌学者 ] Lakshmikantham,V.公司。; 拜诺夫,D.D。; 西蒙诺夫,P.S。 脉冲微分方程理论 ; 《世界科学:新加坡》,1989年。 [ 谷歌学者 ] 戈帕萨米,K。 种群动力学时滞微分方程的稳定性和振动性 ; Kluwer学术出版社:荷兰多德雷赫特,1992年。 [ 谷歌学者 ] Pinto,M.具有分段常数变元的非线性和拟线性微分方程的渐近等价性。 数学。 计算。 模型。 2009 , 49 ,1750年至1758年。 [ 谷歌学者 ] [ 交叉参考 ] Coronel,A。; 马伦,C。; 平托,M。; Sepülveda,D.交替超前和滞后微分系统中的二分法和渐近等价。 数学杂志。 分析。 应用。 2017 , 450 , 1434–1458. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Huang,Z。; 王,X。; Xia,Y.具有分段常数变元的非线性微分方程解存在性的拓扑方法。 混沌孤子分形 2009 , 39 , 1121–1131. [ 谷歌学者 ] [ 交叉参考 ] Akhmet,M.U。广义型分段常数变元微分方程的稳定性。 非线性分析。 2008 , 68 , 794–803. [ 谷歌学者 ] [ 交叉参考 ] M.U.Akhmet。; Aruóaslan,D.Lyapunov-Razumikhin的分段常变量微分方程方法。 谨慎。 Contin公司。 动态。 系统。 2009 , 25 , 457–466. [ 谷歌学者 ] [ 交叉参考 ] M.阿赫梅特。 非线性混合连续/离散时间模型 ; 亚特兰蒂斯出版社:法国巴黎,2011年。 [ 谷歌学者 ] Gopalsamy,K.脉冲人工神经网络的稳定性。 申请。 数学。 计算。 2004 , 154 , 783–813. [ 谷歌学者 ] [ 交叉参考 ] 关,Z。; Chen,G.关于时滞脉冲Hopfield神经网络(1)。 神经网络。 Off.J.国际神经网络。 Soc公司。 1999 , 12 , 273–280. [ 谷歌学者 ] [ 交叉参考 ] 徐,D。; Yang,Z。脉冲时滞微分不等式与神经网络的稳定性。 数学杂志。 分析。 应用。 2005 , 305 ,107–120。 [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Mohammad,S.脉冲Hopfield型神经网络的指数稳定性。 混沌孤子分形 2007 , 32 , 456–467. [ 谷歌学者 ] [ 交叉参考 ] 李毅。; Lu,L.脉冲Hopfield型神经网络的全局指数稳定性和周期解的存在性。 物理学。 莱特。 A类 2004 , 333 , 62–71. [ 谷歌学者 ] [ 交叉参考 ] Akhmet,M。; Yilmaz,E.Hopfield型分段常数变元神经网络系统。 国际法官资格。 理论不同。 埃克。 应用。 2009 , 三 , 8–14. [ 谷歌学者 ] [ 交叉参考 ] Wan,L。; Wu,A.具有分段常数变元的广义型神经网络的稳定控制。 非线性科学杂志。 应用。 2016 , 9 , 3580–3599. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 平托,M。; Sepúlveda博士。; Torres,R.具有分段常参数的脉冲Hopfield型神经网络系统的指数周期吸引子。 电子。 J.资格。 理论不同。 埃克。 2018 , 34 , 1–28. [ 谷歌学者 ] [ 交叉参考 ] Akhmet,M。; Yilmaz,E.分段常数变元的脉冲Hopfield型神经网络系统。 非线性分析。 真实世界应用。 2010 , 11 , 2584–2593. [ 谷歌学者 ] [ 交叉参考 ] Pajares,G.图像变化检测的Hopfield神经网络。 IEEE传输。 神经网络。 2006 , 17 , 1250–1264. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Ramya,C。; 卡维塔,G。; Shreedhara,K.S.使用Hopfield神经网络模型回忆图像。 arXiv公司 2011 ,arXiv:1105.0332。 [ 谷歌学者 ] Soni,N。; 沙尔马,E.K。; Kapoor,A.Hopfield神经网络在面部图像识别中的应用。 IJRTE公司 2019 , 8 , 3101–3105. [ 谷歌学者 ] M.U.Akhmet。; Enes,Y。 具有不连续/冲击激活的神经网络 ; 施普林格:美国纽约州纽约市,2014年。 [ 谷歌学者 ] Akhmet,M。; 阿鲁·阿斯兰,D。; Cengiz,N.函数依赖于分段常数变元的递归神经网络周期解的指数稳定性。 土耳其语。 数学杂志。 2018 , 42 , 272–292. [ 谷歌学者 ] [ 交叉参考 ] Akhmet,M.U.具有广义型分段常参数的微分方程的积分流形。 非线性分析。 2007 , 66 , 367–383. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Chiu,K.S。; 平托,M。; Jeng,J.具有一般分段交替超前和滞后变元的递归神经网络模型中周期解的存在性和全局收敛性。 《应用学报》。 数学。 2014 , 133 , 133–152. [ 谷歌学者 ] [ 交叉参考 ] 托雷斯,R。; 平托,M。; 卡斯蒂略,S。; Kostić,M.脉冲Hopfield细胞神经网络的分段常数一致逼近[ τ , ∞ ). 应用学报。 数学。 2021 , 171 ,8。 [ 谷歌学者 ] [ 交叉参考 ] Akhmet,M.U.关于广义型分段常参数微分方程的归约原理。 数学杂志。 分析。 应用。 2007 , 336 , 646–663. [ 谷歌学者 ] [ 交叉参考 ] Akhmet,M。; Fen,M.O.Poincaré混沌和不可预测的函数。 Commun公司。 非线性科学。 数字。 模拟。 2017 , 48 , 85–94. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Akhmet,M。; Fen,M.O.不可预测的点和混乱。 Commun公司。 非线性科学。 数字。 模拟。 2016 , 40 , 1–5. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Akhmet,M。; Fen,M.O.存在不可预测的解决方案和混乱。 土耳其语。 数学杂志。 2017 , 41 , 254–266. [ 谷歌学者 ] [ 交叉参考 ] Akhmet,M。; Fen,M.O.具有不可预测解的非自治方程。 Commun公司。 非线性科学。 数字。 模拟。 2018 , 59 , 657–670. [ 谷歌学者 ] [ 交叉参考 ] Akhmet,M。; Fen,M.O。; 特洛伊贝热诺娃,M。; Zhamanshin,A.线性微分方程和离散方程的不可预测解。 土耳其语。 数学杂志。 2019 , 43 , 2377–2389. [ 谷歌学者 ] [ 交叉参考 ] Akhmet,M。; 特洛伊贝热诺娃,M。; Zhamanshin,A.具有强不可预测解的拟线性微分方程。 Carpathian J.数学。 2020 , 36 , 341–349. [ 谷歌学者 ] 医学博士Akhmet。; Fen,M.O。; 阿莱加利,E.M。 混沌与分形动力学 ; 施普林格:瑞士查姆,2020年。 [ 谷歌学者 ] Akhmet,M。; 特洛伊贝热诺娃,M。; Fen,M.O。; 线性脉冲系统的不可预测解。 数学 2020 , 8 , 1798. [ 谷歌学者 ] [ 交叉参考 ] Akhmet,M。; 特洛伊贝热诺娃,M。; Nugayeva,Z.Hopfield型神经网络的强不可预测振荡。 数学 2020 , 8 ,1791年。 [ 谷歌学者 ] [ 交叉参考 ] Akhmet,M。; 塞洛娃,R。; 特洛伊贝热诺娃,M。; Zhamanshin,A.分流具有强烈不可预测振荡的抑制性细胞神经网络。 Commun公司。 非线性科学。 数字。 模拟。 2020 , 89 , 105287. [ 谷歌学者 ] [ 交叉参考 ] Akhmet,M。; 特洛伊贝热诺娃,M。; Zhamanshin,A.具有不可预测振荡的惯性神经网络。 数学 2020 , 8 , 1797. [ 谷歌学者 ] [ 交叉参考 ] Miller,A.《不可预测的点》和《Ruelle–Takens》和《Auslander–Yorke》的更强大版本。 白杨。 应用。 2019 , 253 , 7–16. [ 谷歌学者 ] [ 交叉参考 ] Thakur,R。; Das,R.Strongly Ruelle-Takens,半流上的强Auslander-Yorke和Poincaré混沌。 Commun公司。 非线性。 科学。 数字。 模拟。 2019 , 81 , 105018. [ 谷歌学者 ] [ 交叉参考 ] M.U.阿赫梅特。 几乎周期性、混沌和渐近等价 ; 施普林格:美国纽约州纽约市,2020年。 [ 谷歌学者 ] Yu,T。; 曹,D。; 刘,S。; Chen,H.具有周期系数和分段常数变元的神经网络的稳定性分析。 J.弗兰克尔。 仪器。 2016 , 353 , 409–425. [ 谷歌学者 ] [ 交叉参考 ] Xi,Q.具有广义型分段常数变元和脉冲的Cohen-Grossberg神经网络的全局指数稳定性。 神经计算机。 2016 , 28 , 229–255. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Danciu,D.具有时变激励的时滞Hopfield型神经网络的定性行为。 安大学Craiova Ser。 电气工程师。 2002 , 26 , 72–82. [ 谷歌学者 ] M.R.格瓦拉。; 玻璃,L。; M.C.麦基。; Shrier,A.神经生物学中的混沌。 IEEE传输。 系统。 人类网络。 1983 , 13 , 790–798. [ 谷歌学者 ] [ 交叉参考 ] 德里达,B。; Meir,R.分层神经网络的混沌行为。 物理学。 版次A 1988 , 38 , 3116–3119. [ 谷歌学者 ] [ 交叉参考 ] Wang,L。; 皮克勒,E.E。; 神经网络中的振荡和混沌:一个完全可解的模型。 程序。 美国国家科学院。 科学。 美国 1990 , 87 , 9467–9471. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] [ 绿色版本 ] 兰道,身份证。; Sompolinsky,H.具有结构连通性的递归神经网络中的相干混沌。 公共科学图书馆计算。 生物学。 2018 , 14 ,e1006309。 [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] [ 绿色版本 ] Qu,J。; 王,R。; 严,C。; Du,Y.皮层神经网络中的振荡和同步。 认知。 Neurodyn公司。 2014 , 8 , 157–166. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Muscinelli,S.P.公司。; 郭士纳,W。; Schwalger,T.单神经元特性如何在随机神经网络中形成混沌动力学和信号传输。 公共科学图书馆计算。 生物学。 2019 , 15 ,e1007122。 [ 谷歌学者 ] [ 交叉参考 ] 佩恩,Y。; 西格尔,M。; Moses,E.海马神经元的网络同步。 程序。 国家。 阿卡德。 科学。 美国 2016 , 113 , 3341–3346. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] [ 绿色版本 ] 贝尔,A。; Rotstein,H.G.非振荡神经元中的膜电位共振与突触连接相互作用,产生网络振荡。 J.计算。 神经科学。 2019 , 46 , 169–195. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Hale,J。; 科萨克,H。 动力学和分叉 ; 施普林格:美国纽约州纽约市,1991年。 [ 谷歌学者 ]