罗 玲 蹇继贵 郑 胜

(三峡大学 理学院,湖北 宜昌 443002)

双向联想记忆(BAM)神经网络由B.Kosko在1987年首次提出,该网络近年来在联想记忆、机器人控制、信号处理等方面有着重要应用.众所周知,惯性项会导致神经网络的分岔和混沌.在传统神经网络中加入惯性项得到的二阶神经网络引起了学者们的研究兴趣,并取得了许多有趣的结果[1-4].

忆阻器与生物突触在外界刺激下的电导变化惊人地相似,它是记录和更新突触权重的理想材料,因此忆阻器可以模拟神经网络中的电突触.近年来,将神经元的激活结构与记忆连接权重相结合的忆阻神经网络掀起了一股研究热潮.由于外界突然的干扰和环境的变化,实际系统的结构不断变化,信息锁定现象经常发生.具有信息锁定的网络可能具有有限的模式,并且模式可以在不同的时间从一种模式跳转到另一种模式.Markov链驱动的动态系统已被证明适合于模拟由大量突发随机变化引起的系统.因此,具有这种跳跃特性的忆阻神经网络可以由一种与Markov链相一致的忆阻神经网络转化而来,称为Markovian忆阻神经网络.目前,已存在较多关于Markovian忆阻神经网络动态性能的研究[5-7].然而,当前对于Markovian忆阻二阶BAM神经网络的研究较少.

在实际应用中,由于网络拥塞、丢包、丢失测量数据等原因,我们往往难以获取所有神经元的状态信息.然而,状态信息往往需要被了解才能达到一定的实际性能.因此,利用已有的网络输出测量值……