ارائه مدل نورونی جدید مبتنی بر رفتار آشوبگونه شبکه‌های عصبی مصنوعی

ارائه‌ی مدل‌های نورونی جدید به منظور شبیه ‌سازی پدیده‌های شناختی در مغز در سال‌های اخیر مورد توجه پژوهش‌ گران قرار گرفته است. در این پژوهش مدل نورونی جدیدی مبتنی بر رفتار آشوب ‌گونه‌ی وزن‌های شبکه‌های عصبی مصنوعی در حین یادگیری با استفاده از الگوریتم پس ‌انتشار خطا ارائه شده است. این مدل نخستین مدل نورونی گسسته با قابلیت یادگیری است و توانایی بروز رفتارهای پیچیده و آشوبی را دارد. قابلیت یادگیری این امکان را به این مدل نورونی داده است که پدیده‌های شناختی مانند هم‌ آوایی نورون‌ها را در شرایطی نزدیک به واقعیت شبیه ‌سازی کند. مدل نورونی مذکور که از یک شبکه‌ی عصبی جلوسوی سه‌ لایه به دست آمده، دارای جاذب‌های هم ‌زیست متعددی است که یادگیری را در بستر جذب‌های مختلف امکان‌پذیر می‌کند. بررسی پارامترهای مدل نشان داده که بایفورکیشن نه تنها با تغییر پارامتر ضریب یادگیری روی می‌دهد، بلکه تحریک بیرونی نیز می‌تواند به عنوان یک پارامتر کنترل باعث تغییر رفتار مدل و بایفورکیشن شود. بنابراین این مدل می‌تواند در طراحی و مدل ‌سازی روش‌های درمانی برای اختلالات شناختی مورد استفاده قرار گیرد.