具有动力学行为的动态神经网络

神经生理学的研究表明，神经元之间是通过突触前和突触后之间的递质传递信息的，神经元与神经元之间信息传递的连接点- - 突触是动态的，权值的变化应该用微分方程描述。动力学系统是一组微分方程，其响应是一阶或二阶动力学系统响应的组合。因此，神经元权值可用一阶或二阶微分方程来描述，以此为基础建立具有动力学行为的神经元模型，使神经元模型的动态和静态权值均修正；用一阶或二阶动力学神经元模型构成的动力学神经网络，经非线性函数映射实现非线性动力学行为，从而实现具有动力学行为的神经网络。动力学神经网络的特点是经过学习不仅使神经网络获得静态知识，而且可以获得动态知识，更加逼近生物神经系统。采用误差反向传播自适应学习策略训练动力学神经网络的动态权值和静态权值W，或用差分方程近似微分方程研究动力学参数学习算法，使神经网络具有动力学行为；利用Lyapunov方法研究动力学神经网络稳定性。