本論文では、ハンモック表面の超構造四辺形動的抵抗ネットワークのモデリングで生じる時変ラプラス線形システムを解くための高速ゼロリセットニューラルネットワークアルゴリズムを提案する。低レベルの特殊形式行列の内在構造をコア神経動力学設計に組み込むことで、本アルゴリズムは動的条件下での電位の効率的なリアルタイム計算を実現する。リアプノフ理論に基づく解析により、グローバル指数収束性が証明された。異なるスケールの抵抗ネットワークの数値シミュレーションにより、本アルゴリズムは高い計算効率を持ち、任意の初期条件下でも解に収束することが示された。本アルゴリズムをポテンシャル場ソルバーと方向付けられたポテンシャル場経路計画アルゴリズムと組み合わせ、抵抗ネットワークノード電位の自然な降下特性を利用して、ハンモック表面ロボットナビゲーションのための高速経路計画アルゴリズムを提案する。従来の経路計画手法と比較して、提案アルゴリズムは前述のハンモック表面経路計画タスクにおいてより高い計算効率を持ち、この利点はネットワーク規模の増加とともに顕著になる。本アルゴリズムはまた動的経路計画タスクにも適用されており、ロボット工学および制御応用におけるその潜在能力をさらに検証している。最後に、本論文では2つの仮説を提案する。

ゼロリセットニューラルネットワーク; 抵抗ネットワーク; ラプラスシステム; 等価抵抗; 電位; 経路計画