忆阻神经网络在智能电网监控系统中的应用

随着能源危机的到来,智能电网技术成为世界各国所关注的重点。而与此同时,智能发电、输电、变配电、用电以及智能调度等各个环节所取得的技术性突破也为智能电网的大规模实现提供了可能。然而,智能电网结构复杂,电气设备分布广泛,应用需求多,这些特点都给电网运行的安全性和可靠性提出了挑战。针对智能电网的安全运行问题,提出了将忆阻器与人工神经网络相结合,构建出基于忆阻神经网络的智能电网运行状态监控系统,从而可以利用忆阻器所具有的记忆功能,节省人工神经网络的权值传输时间,提高神经网络的数据训练效率,保证了监控系统的及时性和有效性。     

时滞下忆阻突触耦合Hopfield神经网络的动力学行为分析

本文利用忆阻突触来模拟两个相邻神经元之间膜电位差引起的电磁感应电流,构造了一种时滞下四维忆阻Hopfield神经网络模型.同时研究了此系统的零平衡点稳定性以及失稳时发生Hopf分岔的条件,并分析了不同时滞以及加入固定时滞后不同忆阻耦合强度下系统动力学行为发生的变化.通过数值模拟揭示了丰富的动力学现象,如极限环、混沌吸引子等.     

基于忆阻器的随机神经网络的稳定性

与传统的神经网络相比，基于忆阻器的神经网络能够更好地反映突触的强度可变的这一特性，从而更好地模拟人脑的神经系统。在 Filippov 解的框架下，通过构造恰当的 Lyapunov 泛函，利用 It$\hat{\rm o}$ 微分公式、微分包含和集值映射理论，研究了一类基于忆阻器的随机神经网络的动力学行为，获得了确保该系统均方指数稳定的充分判别条件。最后，通过给出两个数值仿真的例子验证了结论的有效性。     

忆阻器的温度效应改进模型及其仿生神经突触传递

突触传递是温度敏感的,由于缺乏温度依赖性的突触电导分析模型,无法在神经系统建模时包括温度效应.忆阻器因其阻值连续可变和纳米尺寸的优势,被广泛认为可以模拟生物突触.本文通过改进忆阻保留值和考虑温度对离子迁移和扩散的影响,提出一种新的氧化钨忆阻器模型,此模型更加符合忆阻器的实际行为特性.首先,改进的数学模型不仅具有原模型的功能,同时可以拟合忆阻器的实际遗忘规律.另外,将此忆阻器作为生物突触耦合两个相同的HH神经元,能够体现温度对突触传递的影响,即温度上升引起氧空位迁移和扩散速率发生变化,导致忆阻器电导变化速率加快,进一步影响兴奋性突触后膜电位幅值和放电次数,而相关仿真结果与神经生理实验现象相符.本文的工作表明,改进的氧化钨忆阻器模型更适合作为仿生突触应用到神经形态系统中,将为指导忆阻器的设计制造工艺以提高其仿生突触性能提供参考,也为研究温度对突触传递的影响提供了一种新思路.