دانشگاه آزاد اسلامی واحد تهران جنوب

صفحه اصلی / نخستین همایش هوش مصنوعی و پژوهش های نوظهور: همگرایی انسان و سیستم های هوشمند

طراحی یک شبکه عصبی هاپفیلد ممریستوری بهبودیافته با جاذب‌های آشوبناک برای بهینه‌سازی الگوهای حافظه در مسائل پیچیده

نویسندگان :

راضیه فرازکیش¹ راضیه یوسف پور² نسرین امیری³ سید عظیم حسینی⁴

1- دانشگاه آزاد اسلامی واحد تهران جنوب 2- دانشگاه آزاد اسلامی واحد تهران جنوب 3- دانشگاه آزاد اسلامی واحد تهران جنوب 4- دانشگاه آزاد اسلامی واحد تهران جنوب

کلمات کلیدی :

جاذبهای آشوبناک،شبکه های عصبی هاپفیلد،ممریستور،نقشه لجستیک

چکیده :

شبکه‌های عصبی هاپفیلد به دلیل توانایی در ذخیره‌سازی و بازیابی الگوهای حافظه انجمنی، در مسائل بهینه‌سازی و تشخیص الگو کاربرد گسترده‌ای دارند. با این حال، محدودیت‌هایی نظیر ظرفیت حافظه پایین و ناپایداری جاذب‌ها در برابر نویز، کارایی آن‌ها را کاهش داده است. این پژوهش یک الگوریتم یادگیری ترکیبی مبتنی بر دینامیک‌های آشوبناک برای شبکه‌های عصبی هاپفیلد ممریستوری پیشنهاد می‌کند. این روش با تنظیم پویای مقاومت‌های ممریستوری از طریق نقشه لجستیک، ظرفیت حافظه را تا 70 الگو با نرخ موفقیت بیش از 75٪ افزایش داده و خطای بازسازی الگوها را از 88.0٪ به 0.1٪ در 10 تکرار کاهش می‌دهد. شبیه‌سازی‌های انجام‌شده برتری روش پیشنهادی را نسبت به روش‌های سنتی و ممریستوری موجود نشان می‌دهد. این رویکرد برای کاربردهایی مانند پردازش تصویر، تشخیص الگوهای نویزی و بهینه‌سازی ترکیبی مناسب است.