La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Enhanced Resonance by Coupling and Summing in Sinusoidally Driven Chaotic Neural Networks Résonance améliorée par couplage et sommation dans des réseaux neuronaux chaotiques à commande sinusoïdale

Shin MIZUTANI, Takuya SANO, Katsunori SHIMOHARA

  • Vues en texte intégral

    0

  • Citer

Résumé:

L'amélioration de la résonance est démontrée par le couplage et la sommation de réseaux neuronaux chaotiques à commande sinusoïdale. Ce phénomène de résonance a un pic à une fréquence d'attaque similaire à la résonance stochastique (SR) induite par le bruit. Cependant, le mécanisme est différent de la SR induite par le bruit. Nous étudions numériquement les propriétés de résonance dans les réseaux neuronaux chaotiques en phase turbulente avec sommation et couplage homogène, en tenant particulièrement compte de l'amélioration du rapport signal sur bruit (SNR) par couplage et sommation. Les réseaux de sommation peuvent améliorer le SNR d'un champ moyen sur la base de la loi des grands nombres. Le couplage global peut améliorer le SNR d'un champ moyen et d'un neurone du réseau. Cependant, l'amélioration n'est pas garantie et dépend des paramètres. Une combinaison de couplage et de sommation améliore le SNR, mais la sommation pour fournir un champ moyen est plus efficace que le couplage au niveau neuronal pour promouvoir le SNR. Le réseau de couplage global présente une corrélation négative entre le SNR du champ moyen et l'entropie de Kolmogorov-Sinaï (KS), et entre le SNR d'un neurone du réseau et l'entropie KS. Cette corrélation négative est similaire aux résultats du modèle à neurone unique piloté. Le SNR est saturé à mesure qu'une augmentation de l'amplitude de commande augmente, et des augmentations supplémentaires changent l'état en un état non chaotique. Le SNR est amélioré autour de quelques fréquences et la dépendance à la fréquence est plus claire et plus douce que les résultats du modèle de neurone unique piloté. Une telle dépendance à l’amplitude et à la fréquence de commande présente des similitudes avec les résultats du modèle de neurone unique piloté. Le réseau de couplage voisin le plus proche avec une frontière périodique ou libre peut également améliorer le SNR d'un neurone en fonction des paramètres. Le réseau présente également une corrélation négative entre le SNR d'un neurone et l'entropie KS chaque fois que la frontière est périodique ou libre. Le réseau avec une frontière libre n’a pas d’effet significatif sur le SNR des deux bords des frontières libres.

Publication
IEICE TRANSACTIONS on Fundamentals Vol.E82-A No.4 pp.648-657
Date de publication
1999/04/25
Publicisé
ISSN en ligne
DOI
Type de manuscrit
PAPER
Catégories
Problèmes non linéaires

Auteurs

Mots-clés

Table des matières