论文题目
具有磁感应效应的忆阻Rulkov神经元模型
(Memristive Rulkov Neuron Model with Magnetic Induction Effects)
论文简介
磁感应效应已被各种连续忆阻模型模拟，但尚未被离散忆阻模型成功描述。针对这个问题，本文首先构建了一个离散忆阻，然后提出了离散忆阻Rulkov（m-Rulkov）神经元模型。m-Rulkov 模型的分岔路径是通过特征值轨迹来验证的。利用数值仿真，研究了 m-Rulkov 模型中的复杂动力学，包括模式转迁行为、瞬态混沌簇模式和超混沌放电行为，所有这些都极其依赖于忆阻参数。因此，忆阻的引入可以来模拟这种离散神经元模型中的磁感应效应。此外，制作了用于实现 m-Rulkov 模型的硬件平台，并获得了不同的尖峰-簇序列。这些结果表明，当考虑生物物理记忆效应时，所提出的模型可以比 Rulkov 模型更好地表征生物神经元中的实际放电活动。
作者或作者团队简介
包伯成，常州大学微电子与控制工程学院教授、研究员级高级工程师，入选科睿唯安跨学科领域全球高被引科学家名单，获“IET Premium Award Winner 2018”最佳论文奖，其主要研究方向为神经元功能性电路、神经元网络与同步、非线性电路与系统和电能变换与控制技术。李珂欣，包伯成教授的硕士研究生，主要从事离散忆阻神经元模型研究。包涵，南京航空航天大学博士生，主要从事忆阻神经电路研究。李后振，包伯成教授的硕士研究生，主要从事忆阻神经形态电路研究。马军，兰州理工大学物理系教授，博士，主要从事神经元网络研究。花忠云，哈尔滨工业大学（深圳）计算机科学与技术学院副教授，博士，主要从事基于混沌的应用研究。
网上链接/发表证明
期刊简介
IEEE Transactions on Industrial Informatics是计算机类一区顶刊，目前影响因子为10.215，专注于以知识为基础的工厂自动化，作为一种增强工业制造和制造过程的手段。 这包括一系列技术，这些技术使用信息分析、操纵和分发来在工业环境中实现更高的效率、有效性、可靠性和/或安全性。涉及范围包括报告、定义、提供一个讨论论坛，并向读者通报智能和计算机控制系统、机器人、工厂通信和自动化、柔性制造、视觉系统以及数据采集和信号处理的最新发展。
