[发明专利]具有耦合时滞的模块神经元网络簇同步的抑制方法

摘要

本发明公开了一种具有耦合时滞的模块神经元网络簇同步的抑制方法，包括如下步骤建立模块神经元网络模型；利用二维离散映射描述模块神经元网络中节点上的局部神经元模型；利用单个神经元的快变量和整个网络平均场的时间历程，生动地描述神经元的放电动力学；计算序参数R，确定耦合强度对诱导簇同步的影响；提出利用微分反馈控制技术去抑制簇同步，计算抑制参数S，确定微分反馈控制技术对减小或抑制簇同步的有效性。本发明发现较大的耦合强度能够诱导模块神经元网络的簇同步，并且当微分反馈控制的控制参数位于控制域内时，微分反馈控制能够有效地抑制簇同步。当引入耦合时滞时，较小的耦合时滞能够提高微分反馈控制抑制簇同步的效果。

主权项

具有耦合时滞的模块神经元网络簇同步的抑制方法，其特征在于，包括如下步骤：S1、建立大脑神经系统的模块神经元网络模型；S11、假设模块网络存在M个子网络,每个子网络含有N个节点，每个子网络是小世界网络,每个子网络中的每个神经元与它最邻近的和次邻近的节点相连；S12、利用一个给定的概率pintra增加子网络内节点间的连接；S13、选择来自第I(I＝1,...,M)和第J(J≠I,J＝1,...,M)个子网络中的一些节点对,并且用子网络间连接概率pinter连接选定的节点对，生成一个模块神经元网络；S2、利用二维离散映射描述模块神经元网络中节点上的局部神经元模型，神经元网络的表达式如下：xI,i(n+1)=xI,i(n)+F[xI,i(n)]-yI,i(n)-βH[xI,i(n)-d]+II,isyn(n)+u(n);]]>yI,i(n+1)＝yI,i(n)+c[xI,i(n)‑E]；H(x)=1x≥00x<0;]]>此时u(n)是微分反馈控制项，形式为：u(n)＝K(X(n‑τ)‑X(n))，其中K是反馈强度，τ是反馈时滞，X是网络的平均场，是所述模块神经元网络的输出,具体为是耦合项,形式为：II,isyn(n)=ϵΣJΣjAI,J(i,j)(xJ,j(n-τ1)-xI,i(n));]]>式中，(I,i)为第I个子网络中的第i个神经元,i＝1,...,N；I＝1,...,M；x和y分别代表大脑的神经元的膜电位和恢复变量，是所述模块神经元网络的输入；ε为不同神经元间的全局耦合强度,τ1是耦合时滞；AI,J(i,j)为网络的连接矩阵；当第I个子网络中的第i个神经元与第J个子网络中的第j个神经元相连接时,AI,J(i,j)＝AJ,I(j,i)＝1,否则,AI,J(i,j)＝AJ,I(j,i)＝0,并且AI,I(i,i)＝0；其中，ε用于诱导所述模块神经元网络达到簇同步；u(n)用于抑制所述模块神经元网络的簇同步；S3、利用单个神经元的快变量和整个网络平均场的时间历程,生动地描述神经元网络的动力学；其中，当所述整个网络平均场呈现小幅随机波动时，模块神经元网络没有达到簇同步，而当所述整个网络平均场表现出大幅的周期振荡时，模块神经元网络达到簇同步；S4、通过以下公式计算序参数R，确定耦合强度对簇同步的影响：式中,(J,j,n)表示第J个子网络中第j个神经元在时刻n处的簇相位,并且簇相位的描述如下：式中,nJ,j,k是第J个子网络中第j个神经元的第k个簇开始放电的时刻；S5、提出利用微分反馈控制技术去抑制模块神经元网络的簇同步，通过以下公式计算抑制参数S，确定微分反馈控制机制对减小或抑制簇同步的有效性；S=Var(X)Var(Xf),]]>式中，X和Xf分别是不存在和存在微分反馈控制时平均场的值；其中，当S＞3时，微分反馈控制能有效地抑制簇同步。