基于忆阻器的分数阶耦合神经网络的建模、动力学分析与同步控制

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61573291
  • 项目类别：
    面上项目
  • 资助金额：
    63.0万
  • 负责人：
    包海波
  • 依托单位：
    西南大学
  • 学科分类：
    F0601.人工智能基础
  • 结题年份：
    2019
  • 批准年份：
    2015
  • 项目状态：
    已结题
  • 起止时间：
    2016-01-01 至2019-12-31

项目摘要

Dynamics and synchronization fractional-order memristor-based coupled neural networks are advanced topics in the fields of neural networks. Research on dynamics and synchronization is not only of important theoretical value but also of practice significance. At the same time, the study of synchronization of coupled neural networks is an important step for both understanding brain science and designing coupled neural networks for practical use. synchronization analysis of fractional-order memristor-based coupled neural network is an important step to understand human brain science and design the practical application of neural networks. By means of the theory of nonlinear system, fractional calculus, theory of discontinuous system, theory of complex networks, combing with mathematical models analysis and computer simulations, this project aims to investigate the following items:.(1)We will build fractional-order memristor-based coupled neural models and study their stability. The range of fractional order when the systems are stable will be given..(2)Synchronization problem will be mainly investigated for fractional-order memristor-based neural networks with different coupling. Several criteria of achieving synchronization will be established, and how the fractional order, coupling strength influence the synchronization will be given. .(3)We will discuss the problem of synchronization under different control strategies. And sufficient conditions will be given to ensure the systems to achieve synchronization..Putting this project into pratice will push the development of fractional order system theory and provide a new mind for constructing fractional neural networks models.
基于忆阻器的分数阶耦合神经网络的建模、动力学分析与同步控制是神经网络研究领域的一个前沿性课题。研究神经网络的动力学与同步，发现其内在机理有助于人们更好地解释各种生活现象进而指导实践；分析耦合神经网络的同步也是理解人脑科学并为实际应用设计神经网络的重要一步。本项目借助非线性系统理论、分数阶微积分理论、不连续系统理论及复杂网络理论等方法，结合数学模型分析和计算机模拟等手段从事以下研究：(1)建立基于忆阻器的分数阶耦合神经网络模型，研究其稳定性，给出相同条件下系统稳定的阶次范围；(2)基于所建模型，针对不同的耦合方式，研究其同步的发生机理和条件，揭示分数阶次、耦合强度等对同步能力的影响，给出一些广泛适用的同步准则；(3)在多种控制策略下，讨论网络的各种同步问题,给出网络达到同步的充分性条件。本项目的实施不仅对推动分数阶系统理论的发展与完善有重要的意义，而且为分数阶神经网络的建模提供了新的思路。

结项摘要

基于忆阻器的分数阶耦合神经网络的建模、动力学分析与同步控制是神经网络研究领域的一个前沿性课题。研究神经网络的动力学与同步，发现其内在机理有助于人们更好地解释各种生活现象进而指导实践。本项目借助非线性系统理论、分数阶微积分理论、不连续系统理论及复杂网络理论等方法，结合数学模型分析和计算机模拟等手段在分数阶忆阻神经网络的同步控制和状态估计等方面进行了深入的研究。首先，研究了具有概率耦合延时和时变脉冲延时的基于忆阻的耦合随机神经网络的指数同步问题，给出了同时与延时的分布和脉冲延时有关的同步新判据，所得的结果具有较弱的保守性。其次利用Lyapunov泛函、分数阶比较定理结合线性反馈控制方法，以线性矩阵不等式的形式给出了易于验证的具有3-神经元和多延时分数阶双向联想记忆(BAM)神经网络的主从同步准则和具有不连续激活函数和多延时的分数阶复数值BAM神经网络的同步判据。再次，研究了具有延时的分数阶忆阻神经网络的状态估计问题和基于忆阻的分数阶BAM神经网络的非脆弱性状态估计问题。通过定义新的参数和变量，利用区间参数的方法，将所研究系统转化为具有不确定参数的分数阶神经网络，结合分数阶Lyapunov泛函和分数阶稳定性定理，以线性矩阵不等式的形式给出了状态估计器存在的充分性条件，并给出了数值例子验证所得结果的正确性。本结果给出的状态估计器可有效地避免与所研究系统具有相同结构的状态估计器引起的参数不匹配问题。最后利用延时反馈控制方法结合Caputo分数阶导数定义，给出了分数阶复值神经网络达到渐进同步的同步准则。在本项目的资助下，共发表和接受论文18篇，其中SCI论文12篇，EI论文5篇，ESI高被引论文3篇，获重庆市自然科学基金面上项目一项，2018年获得吴文俊人工智能科学技术奖自然科学奖三等奖一项，2019年获重庆市科协自然科学优秀学术论文。培养硕士研究生10人，博士留学生1人，其中1人已毕业并获得硕士学位，2人获硕士研究生国家奖学金，3人在2020年上半年毕业。

项目成果

期刊论文数量（13）
专著数量（0）
科研奖励数量（5）
会议论文数量（5）
专利数量（0）
Existence of solutions for fractional stochastic impulsive neutral functional differential equations with infinite delay
无限时滞分数阶随机脉冲中性泛函微分方程解的存在性
  • DOI：
    10.1186/s13662-017-1106-5
  • 发表时间：
    2017-02
  • 期刊：
    Advances in Difference Equations
  • 影响因子：
    4.1
  • 作者：
    Haibo Bao;Jinde Cao
  • 通讯作者：
    Jinde Cao
H∞ state estimation of stochastic memristor-based neural networks
基于随机忆阻器的神经网络的 H 状态估计
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    Neural Networks
  • 影响因子：
    7.8
  • 作者：
    Haibo Bao;Jinde Cao;Jürgen Kurths;Ahmed Alsaedi;Bashir Ahmad
  • 通讯作者：
    Bashir Ahmad
Exponential Synchronization of Coupled Stochastic Memristor-Based Neural Networks With Time-Varying Probabilistic Delay Coupling and Impulsive Delay
具有时变概率延迟耦合和脉冲延迟的耦合随机忆阻器神经网络的指数同步
  • DOI：
    10.1109/tnnls.2015.2475737
  • 发表时间：
    2016-01-01
  • 期刊：
    IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS
  • 影响因子：
    10.4
  • 作者：
    Bao, Haibo;Park, Ju H.;Cao, Jinde
  • 通讯作者：
    Cao, Jinde
Further results on mean-square exponential input-to-state stability of time-varying delayed BAM neural networks with Markovian switching
马尔可夫切换时变延迟 BAM 神经网络均方指数输入状态稳定性的进一步结果
  • DOI：
    10.1016/j.neucom.2019.09.033
  • 发表时间：
    2020-02
  • 期刊：
    Neurocomputing
  • 影响因子：
    6
  • 作者：
    Guoxiong Xu;Haibo Bao
  • 通讯作者：
    Haibo Bao
Fixed-time synchronization of quaternion-valued neural networks
四元值神经网络的固定时间同步
  • DOI：
    10.1016/j.physa.2019.121351
  • 发表时间：
    2019-08
  • 期刊：
    Physica A
  • 影响因子：
    --
  • 作者：
    Deng Hui;Haibo Bao
  • 通讯作者：
    Haibo Bao

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

温州打火机产业集群的自主创新
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    《北大商业评论》
  • 影响因子：
    --
  • 作者：
    包海波;盛世豪
  • 通讯作者：
    盛世豪
美国专利制度创新及其影响
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    科研管理.2003
  • 影响因子：
    --
  • 作者：
    包海波;盛世豪
  • 通讯作者：
    盛世豪

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

包海波的其他基金

通讯节能和安全意义下的忆阻神经网络的同步与状态估计
  • 批准号：
    62373309
  • 批准年份：
    2023
  • 资助金额：
    50 万元
  • 项目类别：
    面上项目
分数阶多层复杂动态网络的同步与状态估计
  • 批准号：
    61973258
  • 批准年份：
    2019
  • 资助金额：
    62 万元
  • 项目类别：
    面上项目
分数阶随机神经网络的同步与状态估计研究
  • 批准号：
    61203096
  • 批准年份：
    2012
  • 资助金额：
    23.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码