ارائه مدل نوروني جديد مبتني بر رفتار آشوبگونه شبكه‌هاي عصبي مصنوعي

ارائه‌ي مدل‌هاي نوروني جديد به منظور شبيه ‌سازي پديده‌هاي شناختي در مغز در سال‌هاي اخير مورد توجه پژوهش‌ گران قرار گرفته است. در اين پژوهش مدل نوروني جديدي مبتني بر رفتار آشوب ‌گونه‌ي وزن‌هاي شبكه‌هاي عصبي مصنوعي در حين يادگيري با استفاده از الگوريتم پس ‌انتشار خطا ارائه شده است. اين مدل نخستين مدل نوروني گسسته با قابليت يادگيري است و توانايي بروز رفتارهاي پيچيده و آشوبي را دارد. قابليت يادگيري اين امكان را به اين مدل نوروني داده است كه پديده‌هاي شناختي مانند هم‌ آوايي نورون‌ها را در شرايطي نزديك به واقعيت شبيه ‌سازي كند. مدل نوروني مذكور كه از يك شبكه‌ي عصبي جلوسوي سه‌ لايه به دست آمده، داراي جاذب‌هاي هم ‌زيست متعددي است كه يادگيري را در بستر جذب‌هاي مختلف امكان‌پذير مي‌كند. بررسي پارامترهاي مدل نشان داده كه بايفوركيشن نه تنها با تغيير پارامتر ضريب يادگيري روي مي‌دهد، بلكه تحريك بيروني نيز مي‌تواند به عنوان يك پارامتر كنترل باعث تغيير رفتار مدل و بايفوركيشن شود. بنابراين اين مدل مي‌تواند در طراحي و مدل ‌سازي روش‌هاي درماني براي اختلالات شناختي مورد استفاده قرار گيرد.