离散忆阻器模型及其在 Rulkov 神经元中的应用
应用物理
2021-12-07 v1 混沌动力学
摘要
连续时间忆阻器已广泛应用于混沌振荡电路和神经形态计算系统等领域，但关于离散忆阻器应用的研究尚未受到关注。本文将离散模型应用于二维 Rulkov 混沌神经元，设计了一种新型混沌神经元，并通过相图、分岔图和谱熵复杂度算法等大量实验分析其动力学行为。实验结果表明，忆阻器的电荷对系统动力学有重要影响，延迟分岔的发生，并且在全记忆情况下导致分岔消失，从而使系统达到不动点。此外，电流放大倍数的增加也会带来神经元放电频率的增加，以及更宽更大的谱熵复杂度范围。研究结果表明，应用离散忆阻器改善了 Rulkov 混沌神经元的性能，并可能为神经系统中的记忆与认知机制提供新见解。
引用
@article{arxiv.2112.02738,
title = {A discrete memristor model and its application in the Rulkov neuron},
author = {Li Jun Liu and Du Qu Wei},
journal= {arXiv preprint arXiv:2112.02738},
year = {2021}
}