基于自适应环吸引子网络的基础数值计算模型

来源：计算机应用研究杂志2025年第12期北京时间：

作者：陈信宇,陈祖刚,

单位：1.郑州大学计算机与人工智能学院,郑州450001；2.中国科学院空天信息创新研究院,北京100094；

摘要：提出了一种生物启发式的自适应HDC网络模型，在模型中实现哺乳动物大脑头部方向细胞运作规律的模仿，利用自调整权重与Hebbian学习法则，实现了网络的自主学习与误差修正功能。实验结果发现，在自主学习方面，网络权重可基于计算误差进行自适应调整，平均收敛时间为2.5次迭代，学习效率比固定权重方法提升60%；在误差修正方面，系统能够将误差修正率达到94%，最终误差稳定控制在3%以内。环状拓扑模式借助LIF神经元组建而成，实现兴奋性与抑制性信号联系状态调控能力。各类神经类测算任务通过它处理后，相比传统固定权重方法，适应性学习收敛时间缩短60%，无论是在处理结果超出［0，99］的溢出情况时还是处理跨度不同加减运算任务，都表现出平均误差率降低35%的性能提升。本研究为生物启发式智能计算的发展提供了新的研究思路，在脑科学引起的人工智能进步方面，具有重要的参考借鉴功能及推广应用的可能性。

关键词：头部方向细胞（HDC）,自适应神经网络,Hebbian学习,生物启发计算,神经形态计算,

基金资助：国家自然科学基金资助项目(42201505)；海南省自然科学基金资助项目(622QN352)；国家重点研发计划资助项目(2021YFF070420304)；中国科学院计算机网络与信息专项资助项目(2025000010)；；