论文部分内容阅读
人工神经元模型成功模拟生物神经元的工作机理和放电模式,对于实现大脑的工作模式和构建类脑网络系统具有潜在的重要意义和关键作用。受生物启发所构建的人工神经元模型研究中,最为突出的就是艾伦·劳埃德·霍奇金(Alan Lloyd Hodgkin)和安德鲁·菲尔丁·赫胥黎(Andrew Fielding Huxley)所研发的第一个电信号沿鱿鱼巨型轴突传播的定量模型,即霍奇金-赫胥黎(Hodgkin-Huxley,HH)模型。由于HH量化模型的方程复杂,参数较多,对于后期的研究和应用产生了一定局限性。由此,诞生了许多基于HH量化模型的简化人工脉冲神经元模型:漏积分-放电(leaky integrate-and-fire,LIF)、菲茨休·纳古莫(Fitzhugh-Nagumo,FHN)、伊日凯维奇(Izhikevich,IZH)、莫里斯-勒卡(Morris-Lecar,ML)。它们从不同层面展现了生物神经元放电模式的多样性,重现了生物神经元功能的有效性。然而,人工脉冲神经元模型存在两个不足之处,制约了其逼真模拟生物神经元的功能机制。第一,简化的脉冲神经元模型的离子通道电阻不具备生物神经元离子通道的记忆特性。第二,简化的脉冲神经元模型无法展现生物神经元所具有的某些内在特性(如生物频率适应性)。有必要寻求一种具有非线性、非易失性的电子元件,弥补其不足。忆阻器(memristor,M)是一种非线性器件,同时具有非易失和阻变特性。本论文将LIF、FHN和IZH脉冲神经元模型作为主要研究对象,融入忆阻器,分别从模型实现、放电模式和实际应用三个主要方面,构建和比较忆阻器融入前后的脉冲神经元模型。本论文的主要突出工作:第一,构建忆阻-电容(memristor-capacitor,MC)神经元电路。电阻-电容(resistor-capacitor,RC)神经元电路的电学特性与生物神经元的物理特性极为相似,成为构建神经元模型的基础电路。根据RC电路的结构特点,引入非易失忆阻器,构建忆阻-电容电路,即MC神经元电路。为了突出MC神经元电路的优势,我们比较了RC和MC神经元电路的充放电过程,并仿真再现了不同激励作用下的神经元脉冲行为。进而实现由RC和MC神经元模型分别构成的随机脉冲神经元网络,有效地展现了神经元集群的同步和异步现象。实验仿真结果表明,MC神经元电路能够成功重现神经元的脉冲行为,并且充放电过程所需时间较短。第二,构建忆阻漏积分-放电(memristive leaky integrate-and-fire,MLIF)脉冲神经元模型,完成Morse码的产生和识别。本论文将非易失忆阻器融入LIF脉冲神经元模型,构建MLIF脉冲神经元模型。首先,将不同外部激励电流作用在LIF和MLIF脉冲神经元模型上,比较两个模型产生的动作电位的异同,展现多样的放电模式。然后,利用单个磁控忆阻器实现了神经元树突的积分和滤波功能以及细胞体的积分和放电功能,成功构建全磁控忆阻器的单神经元电路模型。最后,单个MLIF脉冲神经元模型在一系列电流脉冲的作用下,所激发的动作电位可以表征26个英文字母的Morse码,从而实现MLIF脉冲神经元模型对Morse码的产生和识别。实验仿真结果表明,构建的MLIF脉冲神经元模型不仅可以再现生物神经元的脉冲行为,而且表现出良好的生物频率适用性和较高的放电频率。忆阻器的类突触特性及其树突和细胞体的行为特性,致使全忆阻器的单个神经元电路模型成功构建,且可以有效完成信号的无失真传递。第三,构建忆阻菲茨休·纳古莫(memristive Fitzhugh-Nagumo,MFHN)脉冲神经元模型并实现阈值逻辑计算。本论文将非易失忆阻器融入FHN脉冲神经元模型,构建MFHN脉冲神经元模型。MFHN脉冲神经元模型对于参数值的变化是极其敏感的,不同控制参数值的设置,使MFHN脉冲神经元模型产生了丰富的动力学行为。接着,利用忆阻器的突触行为特性,成功耦合两个MFHN脉冲神经元模型,从而实现两个神经元的单向和双向耦合。随后,MFHN脉冲神经元模型成功完成了二进制逻辑运算(AND,OR和NOT)和二进制加法器的功能。实验仿真结果表明,在不同的参数值的影响下,MFHN脉冲神经元模型产生不同频率的放电脉冲,展现了多种动力学行为。忆阻器耦合的两个MFHN脉冲神经元,施加不同外部激励电流,呈现出耦合神经元相互影响下的同步和异步行为模式。第四,构建忆阻伊日凯维奇(memristive Izhikevich,MIZH)脉冲神经元模型并实现振荡联想记忆。本论文将非易失忆阻器融入IZH脉冲神经元模型,构建的MIZH脉冲神经元模型,能成功产生二十三种放电行为。首先通过比较两种模型产生的放电行为和不同神经元的脉冲行为,使MIZH脉冲神经元模型的优势得以显现。接着,在神经元间耦合强度不同的情况下,MIZH脉冲神经元模型充分展现了神经元集群的同步和异步动力学行为。最后,将多个MIZH脉冲神经元构成的脉冲神经元网络,通过所产生的脉冲振荡行为实现了数字图像的振荡联想记忆行为和扭曲图像的正确恢复。实验仿真结果表明,MIZH脉冲神经元模型在各种外部激励作用下能够产生丰富的脉冲行为模式,并成功模拟了大脑中不同类型神经元的放电模式,表现出较好的生物频率适应性和较高的放电频率。大量MIZH脉冲神经元所形成的神经元网络不仅具有较高的放电频率,而且随着神经元间的耦合强度的增加,网络模式从异步集群行为转变为同步集群行为,这有助于进一步研究大脑皮层神经元的行为和机制。本论文的核心工作是将非易失忆阻器融入人工脉冲神经元模型设计中,构建忆阻脉冲神经元模型。忆阻脉冲神经元模型表现出较高的放电频率、多样的放电模式和良好的生物频率适应性。通过模型构建、放电模式比较和实验仿真的合理分析,验证了忆阻脉冲神经元模型的有效性和可行性。有望改善原脉冲神经元电路模型的放电模式与功能机制,提升对人类大脑工作机理的深入了解,促进人工智能系统甚至人工大脑的成功搭建。