關(guān)于梯形、脈沖激活函數(shù)的細胞神經(jīng)網(wǎng)絡(luò)研究.pdf

1、細胞神經(jīng)網(wǎng)絡(luò)(CNN)是一種實時、連續(xù)及并行運算的信息處理系統(tǒng)，它源于Hopfield的反饋神經(jīng)網(wǎng)絡(luò)和Neumann的細胞自動機。作為一類非線性動力系統(tǒng)，它具有復雜的動力學性質(zhì)；同時，作為一種新的邏輯計算模式，它具有強大的邏輯計算功能。 本論文研究了一類梯形激活函數(shù)的細胞神經(jīng)網(wǎng)絡(luò)。通過將a-z平面分解成25個不交的區(qū)域，分析了這類細胞神經(jīng)網(wǎng)絡(luò)的靜態(tài)解，其中a和z(即反饋系數(shù)和閾值)被視為參數(shù)，并給出一系列定量的結(jié)果；針對一類特殊

2、的梯形激活函數(shù)的CNN，研究了其靜態(tài)解誘導的映射產(chǎn)生Smale馬蹄的充分條件，也說明了這類映射的復雜性。 本論文同時也提出了一種新的CNN，即脈沖激活函數(shù)的細胞神經(jīng)網(wǎng)絡(luò)，它是梯形激活函數(shù)細胞神經(jīng)網(wǎng)絡(luò)的推廣。由CNN關(guān)于其輸入向量的偏置水平的諸多性質(zhì)，理論上可以得到：任意給定的線性不可分的布爾函數(shù)都可由單個的CNN來實現(xiàn)。特別是在一維CNN的情形中，可采用適當?shù)拿}沖激活函數(shù)，并運用逆偏置方法設(shè)計相應的模板。在本文中，兩個輸入變量的