摘要：本文提出了一种自适应的突触学习模型模拟了神经突触的可塑性,通过这种学习规则在定义的动态相关系数指标下发现,可以使得一般非全同随机神经网络达到同步,表明该方法具有较好的鲁棒性.为了刻画网络在整体上的相同步提出了基于Poincare截面的相位定义法,将动作电位峰值所在的位置定义为Poincare截面,进而定义同步差,网络相位同步.网络相位差计算结果显示,任意两个神经元之间的相位差随着时间变化趋于常数,即网络中任意两个神经元出现相同步,神经网络平均相位差趋于常数,神经网络出现全局的相位同步.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社