一个大脑学习与记忆的现实性神经网络模型

摘要：

现实性神经网络是相对人工神经网络而言的,它与人工神经网络相比,更接近真实的生物神经网络.大脑学习与记忆的功能及特点,一直是许多学科研究的热门话题.建立一个关于大脑学习与记忆的现实性神经网络模型,将为研究大脑学习与记忆的功能、特点提供十分有用的工具,并有助于进一步理解大脑高级功能的机制.针对大脑学习与记忆具有的特点,着重考虑了3个方面的问题:1)如何使模型既具有稳定性又具有可塑性;2)如何使模型的学习与记忆具有条件性;3)如何使模型学习与记忆具有一定随机性.通过数学分析及模拟实验表明,模型能较好地反映大脑学习与记忆的主要特点.如神经联系的条件性(强化则巩固,不强化则衰减),大脑活动的随机性等,并简略地反映了DNA-RNA-Protein系统对记忆的意义.

关键词：神经网络、现实性、大脑

所属期刊栏目：25

分类号：TP183(自动化基础理论)

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：110-113