基于神经元突触可塑性机制图像边缘检测方法

针对图像边缘信息的有效提取问题,提出了基于脉冲时间相关突触可塑性(STDP)机制的边缘检测新方法.首先通过亮度和色度编码实现颜色拮抗特性;利用Log-Gabor滤波器提取符合人类视觉特性的特定方向图像信息;接着建立了一种具有突触STDP特性的神经元网络模型,利用神经元之间非同步放电与视觉轮廓的关联性强化边缘信息;最后通过首次放电时间解码获取边缘信息.以微生物显微图像为例进行实验研究,结果表明:所提方法获取的图像边缘信息清晰完整,并且保留了更多的微弱细节;为突触可塑性机制在图像处理中的应用提供新思路.     

基于TMAES对GrC神经元放电活动影响的仿真

经颅磁声电刺激（TMAES）是一种新型无创的脑神经调控技术,具有良好的应用前景.该技术利用静磁场和超声波共同作用所产生的磁声电效应,在神经组织中产生感应电流,进而对神经组织实施刺激.作者基于小脑颗粒细胞模型（GrC模型）,建立了突触连接GrC模型,对TMAES刺激下突触连接GrC模型的动作电位进行仿真,分析了动作电位的传播方向.在TMAES神经元的不同突触连接方式下,对比了兴奋性与抑制性对神经元放电的影响.通过改变抑制点的位置分析了抑制作用在TMAES下对神经元放电模式的影响.仿真结果显示,经颅磁声电刺激对GrC模型神经元放电节律具有重要影响.实现了两个神经元突触连接模型在TMAES下的仿真,对进一步发掘和研究神经元的传导及连接模式具有重要意义.     

一种改进的基于STDP规则的SOM脉冲神经网络

将脉冲神经网络的高效处理能力与自组织映射神经网络相结合,构造了一种基于突触可塑性(STDP)规则的SOM脉冲神经网络模型.该网络将输入和权值用脉冲发放时间编码,符合生物信息处理机制.用STDP规则调整权值,不需要通过学习率控制收敛速度,缩短网络训练时间.使用欧氏距离的平方计算权值和样本之间的相似度,与欧氏距离法相比简化了计算,便于硬件实现.基于MATLAB仿真平台,用该网络对UCI机器学习数据库中Iris数据集进行聚类后精度达到93.33%,比传统的SOM、K-means等聚类方法更具有优越性.     

脉冲神经网络的忆阻器突触联想学习电路分析

忆阻器是具有动态特性的电阻,阻值可依赖于激励电压来变化,具有类似于生物神经突触连接强度的特性,可用来存储突触权值。在此基础上为实现忆阻器突触电路的学习功能,建立了“整合激发”型神经元SPICE仿真电路,修改了原始神经元电路结构,并对电路的脉冲信号产生过程进行了SPICE仿真。结合MOS管及忆阻器的特性重新设计了神经元突触电路结构,使突触电路更符合真实生物神经突触特征。在应用此设计的基础上,实现了2个神经元所构成神经网络之间类似于Hebbian学习的平均激发率学习规则。并且在基于多个神经元的神经网络的基础上     

基于新型神经元模型上的突触可塑性建模

提出的一种新型神经元模型,利用Eric R Kandel的工作成果,抓住神经递质调节突触活动过程的主要特征,在较微观的层次上,抽象出了突触可塑性模型,该模型包含了Eric R Kandel和他的同事所总结的神经递质信号调节突触的后3种方式,它可以和新型神经元模型结合起来,可以对突触连接权值函数进行修饰.最后对可塑性模型的计算复杂性作了简单的说明,并讨论了该可塑性模型与Hebb理论和STDP的不同之处.     

多种连接模型的忆阻神经网络学习

忆阻器以其独特的非易失性、天然的记忆功能以及纳米级尺寸,在人工神经网络、信号处理和模式识别等方面展现了巨大的应用前景。采用了基于STDP学习规则的忆阻神经网络,运用了网络自适应突变以及网络拓扑结构变化的基因算法,其中包括隐藏层神经元个数,连接权重以及神经网络突触模型的变化。比较了基于HP线性忆阻器模型,非线性忆阻器模型以及阈值模型这3种不同忆阻器模型的忆阻神经网络,并提出了学习效果更好的混合型忆阻神经网络。     

多种突触耦合的集群动力学研究

大量的生理实验证实神经系统主要存在3种不同的突触耦合方式:电突触、化学突触、电突触与化学突触共存的混合突触.但是这些突触耦合方式对神经系统的涌现动力学及其复杂性的产生机制还没有完全研究清楚.基于Wang-Buzsaki神经元所构成的兴奋性与抑制性平衡神经网络,兴奋性神经元网络满足小世界特性.当兴奋性神经元之间采用电突触耦合时,随着耦合参数的改变,兴奋性神经元群不仅能产生同步状态,也能产生不同相位共存的亚稳态;当兴奋性神经元之间采用化学突触连接时,该集团能够产生簇同步现象;当兴奋性集团存在混合突触连接时,兴奋性神经元集团不仅能产生全同步和阈下振荡同步,还产生不同频率的行波共存,呈现出激发模式的多样性.抑制性神经元群在3种突触耦合情况下,只能产生周期性的簇同步.这些结果为理解突触耦合方式对神经元激发模式和储存的多样性提供了一个可能的机制.     

基于新型神经元模型上的突触可塑性建模

提出的一种新型神经元模型．利用Eric R Kandel的工作成果，抓住神经递质调节突触活动过程的主要特征．在较微观的层次上．抽象出了突触可塑性模型．该模型包含了Eric R Kandel和他的同事所总结的神经递质信号调节突触的后3种方式．它可以和新型神经元模型结合起来．可以对突触连接权值函数进行修饰．最后对可塑性模型的计算复杂性作了简单的说明．并讨论了该可塑性模型与Hebb理论和STDP的不同之处．     

基于视觉神经计算模型的图像边缘检测方法

借鉴视觉系统的轮廓感知能力,提出了一种基于视觉神经计算模型的图像边缘检测新方法.首先构建以动态突触互连的双层神经元网络;接着建立了一种基于突触前神经元响应模式的脉冲传递模型,利用神经元的脉冲发放时空模式来凸显边缘空间信息;最后通过发放率灰度映射获取图像边缘信息.以包含较多弱对比度边缘的微生物显微图为例,以信息熵、边缘置信度和重构相似度做定量分析,结果表明所提方法能够有效实现弱对比度边缘检测,为视觉机制在图像处理中的应用提供崭新的思路.     

自适应反馈单神经元模型混沌非线性电路实现设计研究

进行了自适应反馈突触神经元模型的非线性电路设计,利用EWB仿真实现了两个共存吸引子与一个相连吸引子相互转化的非线性动力学现象,验证了所设计电路的动力学行为的正确性.     

神经元网络同步放电的抗扰特性

为了揭示神经元网络在噪声环境下实现可靠信息处理的内在机制,利用神经元模型对噪声环境下神经元网络同步放电的抗扰特性进行数值计算和分析.给出了定量描述神经元网络放电同步程度和抗扰特性的评价指标,并研究了放电同步程度和抗扰特性间的内在联系.数值仿真结果表明,神经元数目和耦合强度对网络的同步和抗扰特性影响较大;在一定范围内,神经元放电同步程度与抗扰特性强弱间具有近似线性的内在联系.因此,神经元网络可以利用同步放电机制抑制噪声干扰,执行可靠的信息编码与处理.     

一种改进的PWM型VLSI神经网络的设计

神经网络的超大规模集成电路 (VL SI)实现是发挥其优势的有效途径。改进了现有的基于脉宽调制 (PWM)技术的 VL SI神经网络设计方式。提出了一种结构简单的突触乘法器 ,它的精度高、线性范围大 ,而且不受开关噪声的影响。设计了一个增益可调的电压型 sigmoid变换电路 ,用以实现不同的神经元激活函数。提出一个 PWM所必需的电压-脉冲转换电路 ,它具有较高的转换精度和线性度。以这 3种电路为基础设计了一个解决异或 (XOR)问题的 PWM型VL SI神经网络。模拟结果表明其功能正确 ,具有较高的识别速度 ,适于神经网络的 VL SI实现     

小波神经网络在模拟电路故障诊断中的应用研究

对模拟电路提出了一种基于小波与神经网络辅助式结合的故障诊断方法．该方法用小波变换作为模拟电路故障信号的预处理器，大大减少神经网络的输入数目，简化神经网络结构和减少它的训练时间，提高辨识故障能力．在介绍该故障诊断方法的基本原理后。给出了小波函数及故障特征选择的方法．     

微细电火花加工脉冲电源及其脉冲控制技术

为了提高微细电火花加工效率,通过分析微细电火花加工特点,改进了主放电回路,设计了一种基于现场可编程门阵列（FPGA）的微细电火花加工脉冲电源.该电源集成了放电状态检测功能,能够判断每一个脉冲的放电状态,并及时切断有害脉冲.设计了应用于微细电火花加工的清扫脉冲回路,可在极间加载高能量窄脉宽的清扫脉冲,以清除积聚在极间的加工屑.利用该电源在桌面式微细电火花加工机床上进行了微细深孔加工实验和微细孔极限加工实验,取得了较好的加工效果.     

基于神经网络的多功能雷达行为辨识方法

针对多功能雷达行为状态复杂多变、难以识别的问题,构建了多功能雷达行为数据集,提出了一种基于神经网络的雷达行为辨识方法。首先对数据进行预处理,提取多功能雷达的参数特征与行为状态特征,并建立两者间的映射关系。然后通过基于贝叶斯准则的变化点检测算法对原始雷达信号脉冲序列进行分割,补齐有缺失的特征参数,构造完整的可用于训练的脉冲数组样本。最后通过数据推理丰富数据库,为数据驱动的智能识别方法提供可靠的数据准备,增强神经网络的泛化能力。针对处理后的雷达行为数据集的特点,设计BP神经网络进行训练与测试。仿真实验结果表明:训练完成的网络模型在识别过程中一定程度上克服了噪声变量等干扰的影响,正确率可以达到89%。     

电子电路故障诊断的神经网络数据融合算法

针对模拟电路故障元件诊断的不确定性问题,将BP网络引入数据融合之中,结合模糊集合论,构造－模糊神经网络故障分类器,并将其应用于电子电路故障诊断之中。通过测试电子电路中被诊断元件的工作温度和工作电压这2个物理量,求出两传感器对各待诊断元件的故障隶属度,利用模糊BP网络故障分类器进行数据融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性。     

基于HAAR小波和BP神经网络的非线性电路故障诊断

提出了一种基于HAAR小波和BP神经的非线性电路故障诊断方法，该方法采用小波分解作为非线性电路故障信号的预处理器能大大减少神经网络的输入及训练和处理时间.介绍了一种改进的采用动量因子防止局部收敛的BPNN方法后，阐述基于HAAR小波分解提取故障信号中的故障特征的原理.     

利用脉冲耦合神经网络实现数学形态学的基本运算及其应用

脉冲耦合神经网络（PCNN）是最近几十年来研究的热点,尤其是其在图像处理的各个领域的应用。本文以实例说明了PCNN进行图像处理时用到的脉冲并行传播特性可以实现数学形态学的基本运算这一命题,在前人得出的结论的基础上进行实验验证和推广,并将其应用于图像边缘检测,进一步加强了PCNN与数学形态学的联系。     

基于AD500-9激光测距系统的设计

基于AD500-9型雪崩光电二极管设计以窄脉冲发射、 雪崩光电二极管偏置、 弱光信号处理和计时电路为主要结构的激光测距系统. 利用标准时基发生器对计时电路进行验证, 采用线性拟合方法使时间测量的精度为10^-10量级. 采用软件校准方法将测距实验中的测量误差控制在±0.1 m以内, 并对误差进行分析.     

脉冲耦合神经网络在指纹图像分割中的应用

脉冲耦合神经网络（PCNN）是20世纪90年代形成和发展的一种新型神经网络。研究发现，可用PCNN的脉冲传播特性有效地解决图像处理中的不同问题。在此阐述了PCNN的原理，并提出一种基于PCNN的指纹图像分割算法，该算法有很强的适应性和抗噪性．