CN115526303B - 一种简单非自治可控多涡卷的神经元电路 - Google Patents
一种简单非自治可控多涡卷的神经元电路 Download PDFInfo
- Publication number
- CN115526303B CN115526303B CN202211120211.XA CN202211120211A CN115526303B CN 115526303 B CN115526303 B CN 115526303B CN 202211120211 A CN202211120211 A CN 202211120211A CN 115526303 B CN115526303 B CN 115526303B
- Authority
- CN
- China
- Prior art keywords
- module
- neuron
- scroll
- sine function
- controllable multi
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 210000002569 neuron Anatomy 0.000 title claims abstract description 40
- 230000006870 function Effects 0.000 claims abstract description 16
- 239000003990 capacitor Substances 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013641 positive control Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明涉及神经元电路技术领域,尤其涉及一种简单非自治可控多涡卷的神经元电路,包括电源模块、神经元模块、禁忌学习模块和正弦函数模块,电源模块依次与神经元模块、正弦函数模块和禁忌学习模块电性连接,通过调节神经元模块和正弦函数模块电阻参数值,实现自治可控多涡卷神经元放电。本发明通过参数调节,展示其丰富的的动力学特性,这对于发展人工智能及其神经网络起到推动作用;相对于数字电路而言,模拟电路实现的成本将更加低廉。
Description
技术领域
本发明涉及神经元电路技术领域,尤其涉及一种简单非自治可控多涡卷的神经元电路。
背景技术
近年来,人工智能迅速发展,特别是在人工神经网络方面,得到了极大关注,研究者可利用神经元构建多层人工神经网络从而解决实际问题。
禁忌学习神经元模型基于禁忌搜索思路而提出,禁忌搜索思路所构成的神经网络主要用于电力系统优化以及组合优化问题的求解。
现有技术研究者搭建基于FPGA来实现禁忌神经元模型,例如基于FPGA的禁忌学习神经元电路实现方法,然而该方法基于FPGA设计硬件昂贵,且电路结构复杂,成本高。
发明内容
针对现有算法的不足,本发明通过参数调节,展示可控多涡卷丰富的动力学特性,这对于发展人工智能及其神经网络起到推动作用;相对于数字电路而言,模拟电路实现的成本将更加低廉。
本发明所采用的技术方案是:一种简单非自治可控多涡卷的神经元电路包括:电源模块、神经元模块、禁忌学习模块和正弦函数模块,电源模块依次与神经元模块、正弦函数模块和禁忌学习模块电性连接,通过调节神经元模块和正弦函数模块电阻参数值,实现自治可控多涡卷神经元放电。
进一步的,电源模块为交流电压源V1;神经元模块包括电阻R1-R4、Ra、Rb、电容C1和运算放大器U1、U2,禁忌学习模块包括电阻Rc、Rd、C2和运算放大器U3,V1与R1串联后分别与R2、Ra、Rb、C1的一端以及U1的反相输入端连接,Ra的另一端与C1的另一端以及U1的输出端连接,U1的输出端与R3串联后分别与R4的一端和U2的反相输入端连接,R4的另一端与U2的输出端连接,U2的输出端与正弦函数模块连接后与Rb的另一端连接,正弦函数模块的输出端与Rd串联后与U3的反相输入端连接,C2和Rc并联后两端分别与U3的反相输入端和输出端连接,U3的输出端还与R2的另一端连接。
进一步的,非自治可控多涡卷的神经元电路的电路方程为:
其中,Ra,Rb,Rc,Rd为电阻,C1,C2为电容,vx,vy为神经元电路和禁忌学习电路的输出,vI(t')为输入电源电压。
本发明的有益效果:
通过模拟电路实现非自治可控多涡卷的神经元电路,该电路结构简单,实现难度较低,通过模型数值仿真与电路仿真对比,电路仿真结果与数值仿真结果一致。
附图说明
图1是本发明的简单非自治可控多涡卷的神经元电路图;
图2是本发明的非自治可控多涡卷神经元模型数值仿真图;
图3是本发明的简单非自治可控多涡卷的神经元电路的仿真图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,此图为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
二维非自治禁忌学习单神经元模型其表达式如(1)所示:
其中,x是神经元状态,y是禁忌学习状态,C=1,a=1/R,b,c和d为正控制参数,f(x)是有界激活函数,I是外部输入电流。
当f(x)=sin(x),式(1)中的模型因此被改写为:
其中,应用的正弦输入I(t)=Asin(2πFt),振幅为A,频率为F;通过线性变换(x,y)→(-x,y)可以简化电路,电路方程描述如下:
其中,通过调节电阻Ra,Rb,Rc,Rd来改变参数a,b,c,d的值。
图2为本发明中非自治可控多涡卷神经元模型数值仿真图,可见涡卷的个数是由参数a的大小控制的,该模型的各个参数值如表1所示:
表1各个参数的数值
如图1所示,一种简单非自治可控多涡卷的神经元电路:
采用Psim仿真软件进行仿真电路设计,交流电压源V1,运算放大器U1、U2和U3,电容C1和C2,正弦函数模块为SINE,电阻R1、R2、R3、R4、Ra、Rb、Rc和Rd;电阻R1的左端连接直流电压源E,R1的右端连接运算放大器U1的反相端,记为a端,同时电容C1的左端、R2的左端、Ra的左端和Rb的左端与a端连接;电容C1的右端、Ra的右端连接运算放大器U1的输出端,记为b端;运算放大器U1的同相端接地;电阻R3的左端连接b端,电阻R3的右端和电阻R4的左端连接运算放大器U2的反相端,记为c端;电阻R4的右端连接运算放大器U2的输出端,记为d端;运算放大器U2的同相端接地,正弦函数模块的输入端连接d端,输出端与电阻Rb的右端、电阻Rd的左端连接,记为e端;电阻Rd的右端、电阻Rc的左端和电容C2的左端连接运算放大器U3的反相端连接,记为f端;电阻R2的右端、Rc的右端和电容C2的右端连接运算放大器U3的输出端,记为g端;运算放大器U3的同相端接地。
因此可以通过控制电阻Ra来实现控制涡卷的个数,图3为本发明所述的一种简单非自治可控多涡卷的神经元电路的仿真图,可以看出,电路仿真结果与图1中的数值仿真结果几乎一致。
电路仿真参数如表2所示:
表2一种简单非自治可控多涡卷的神经元电路的各参数值
本发明实例电路中,所述运算放大器的型号均为AD711KN。
本发明通过模拟电路实现非自治可控多涡卷的神经元电路,该电路结构简单,实现难度较低,通过模型数值仿真与电路仿真对比,电路仿真结果与数值仿真结果一致。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (2)
1.一种简单非自治可控多涡卷的神经元电路,其特征在于,包括:电源模块、神经元模块、禁忌学习模块和正弦函数模块,电源模块依次与神经元模块、正弦函数模块和禁忌学习模块电性连接,通过调节神经元模块和正弦函数模块电阻参数值,实现自治可控多涡卷神经元放电;
电源模块为交流电压源V 1,神经元模块包括电阻R 1 -R 4 、R a 、R b 、电容C 1 和运算放大器U 1 、U 2 ,禁忌学习模块包括电阻R c 、R d 、C 2 和运算放大器U 3 ,V 1与R 1 串联后分别与R 2 、R a 、R b 、C 1 的一端以及U 1 的反相输入端连接,R a 的另一端与C 1 的另一端以及U 1 的输出端连接,U 1 的输出端与R 3 串联后分别与R 4 的一端和U 2 的反相输入端连接,R 4 的另一端与U 2 的输出端连接,U 2 的输出端与正弦函数模块连接后与R b 的另一端连接,正弦函数模块的输出端与R d 串联后与U 3 的反相输入端连接,C 2 和R c 并联后两端分别与U 3 的反相输入端和输出端连接,U 3 的输出端还与R 2 的另一端连接;
非自治可控多涡卷的神经元电路的电路方程为:
(3)
其中,R a , R b , R c , R d 为电阻,C 1 , C 2 为电容,,为神经元电路和禁忌学习的输出,为输入电源电压。
2.根据权利要求1所述的简单非自治可控多涡卷的神经元电路,其特征在于,运算放大器的型号为AD711KN。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211120211.XA CN115526303B (zh) | 2022-09-15 | 2022-09-15 | 一种简单非自治可控多涡卷的神经元电路 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211120211.XA CN115526303B (zh) | 2022-09-15 | 2022-09-15 | 一种简单非自治可控多涡卷的神经元电路 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115526303A CN115526303A (zh) | 2022-12-27 |
CN115526303B true CN115526303B (zh) | 2023-09-26 |
Family
ID=84697998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211120211.XA Active CN115526303B (zh) | 2022-09-15 | 2022-09-15 | 一种简单非自治可控多涡卷的神经元电路 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115526303B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035101B (zh) * | 2023-07-20 | 2024-02-13 | 常州大学 | 基于自治神经元多涡卷吸引子控制方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002008032A (ja) * | 2000-06-16 | 2002-01-11 | Canon Inc | パターン検出装置及び方法、画像入力装置及び方法、ニューラルネットワーク回路 |
CN206670653U (zh) * | 2016-10-09 | 2017-11-24 | 瀚颐(上海)汽车电子科技有限公司 | 一种检测电路 |
CN112996559A (zh) * | 2018-04-06 | 2021-06-18 | 生旭生物科技有限公司 | 分布式光生物调节疗法系统和方法 |
CN113033793A (zh) * | 2021-03-02 | 2021-06-25 | 常州大学 | 一种双极性脉冲电流激励二维Wilson神经元模型的电路 |
CN113344191A (zh) * | 2021-05-19 | 2021-09-03 | 常州大学 | 具有超级多稳定性的连续型Rulkov电子神经元电路 |
CN113971458A (zh) * | 2021-10-13 | 2022-01-25 | 常州大学 | 一种基于无乘法器实现的神经元电路 |
CN114970362A (zh) * | 2022-06-08 | 2022-08-30 | 中交机电工程局有限公司 | 一种多能源结构下的电网负荷调度预测方法及系统 |
-
2022
- 2022-09-15 CN CN202211120211.XA patent/CN115526303B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002008032A (ja) * | 2000-06-16 | 2002-01-11 | Canon Inc | パターン検出装置及び方法、画像入力装置及び方法、ニューラルネットワーク回路 |
CN206670653U (zh) * | 2016-10-09 | 2017-11-24 | 瀚颐(上海)汽车电子科技有限公司 | 一种检测电路 |
CN112996559A (zh) * | 2018-04-06 | 2021-06-18 | 生旭生物科技有限公司 | 分布式光生物调节疗法系统和方法 |
CN113033793A (zh) * | 2021-03-02 | 2021-06-25 | 常州大学 | 一种双极性脉冲电流激励二维Wilson神经元模型的电路 |
CN113344191A (zh) * | 2021-05-19 | 2021-09-03 | 常州大学 | 具有超级多稳定性的连续型Rulkov电子神经元电路 |
CN113971458A (zh) * | 2021-10-13 | 2022-01-25 | 常州大学 | 一种基于无乘法器实现的神经元电路 |
CN114970362A (zh) * | 2022-06-08 | 2022-08-30 | 中交机电工程局有限公司 | 一种多能源结构下的电网负荷调度预测方法及系统 |
Non-Patent Citations (4)
Title |
---|
A simple chaotic circuit with a hyperbolic sine function and its use in a sound encryption scheme;Christos Volos等;《Nonlinear Dynamics》;1047-1061 * |
AN APPROACH FOR GENERATING NxM-SCROLL ATTRACTORS IN HYPERCHAOTIC COUPLED CHUA CIRCUITS;D. Cafagna等;《Asia-Pacific Conference on Circuits and Systems》;569-573 * |
外界激发型学习神经元的动力学研究与电路设计实现;陈军;《贵州大学学报(自然科学版)》;第36卷(第1期);13-20 * |
正弦激励禁忌学习神经元模型的动力学分析及混沌电路实现;苟双全;《辽宁大学学报(自然科学版)》;第42卷(第01期);38-44 * |
Also Published As
Publication number | Publication date |
---|---|
CN115526303A (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115526303B (zh) | 一种简单非自治可控多涡卷的神经元电路 | |
Grosse et al. | The construction of noncommutative manifolds using coherent states | |
Abdelsalam et al. | Capacitor voltage balancing strategy based on sub-module capacitor voltage estimation for modular multilevel converters | |
US10742072B2 (en) | Wireless power transmitter circuit and control circuit and control method thereof | |
CN112688295B (zh) | 基于电流一致性的直流微网自适应下垂控制方法 | |
CN113971458A (zh) | 一种基于无乘法器实现的神经元电路 | |
CN112152263A (zh) | 一种基于多储能变流器的微电网离网转并网的预同步装置及方法 | |
TW201117544A (en) | Power supply | |
CN109067232A (zh) | 基于递归神经网络的并网逆变器电流控制方法 | |
CN110429835A (zh) | 一种基于lcl滤波的rbfnn分段在线优化无源控制系统及方法 | |
CN109889069A (zh) | 一种单项逆变器复合控制方法及系统 | |
Abdelsalam et al. | An ADALINE based capacitor voltage estimation algorithm for modular multilevel converters | |
CN115987086A (zh) | 基于神经网络的单开关直流-直流变换器在线控制方法 | |
CN110798089A (zh) | 一种基于改进型智能pi控制的逆变器中点电位平衡方法 | |
CN115765964A (zh) | 一种具有同构调幅功能的三角波忆阻保守信号发生器 | |
CN213987512U (zh) | 计算乘积和值的装置 | |
CN111756262B (zh) | 一种基于功率交互的并联逆变器下垂控制方法 | |
CN111446877B (zh) | 一种基于两相三桥臂逆变电路的控制方法及系统 | |
CN114629442A (zh) | 一种高效率线性功率放大器 | |
Taskiran et al. | A new fractional order memristance simulator circuit design | |
Ngotakun et al. | Control of series active power filter using fuzzy logic controller | |
Kumar et al. | Application of Cuckoo Controller to 9-Level NPC based APF to Improve Power Quality | |
KR20190139402A (ko) | 저주파 누설전류를 감소시킬 수 있는 충전 장치 | |
Janggi et al. | Artificial neural network controller for single-phase active power filter | |
CN215072189U (zh) | 一种新型单相多电平逆变器及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |