基于模式识别与灰度共生矩阵的神经元图像分类

为了实现自动高效且结果准确的生物神经元识别,提出一种基于模式识别与图像灰度共生矩阵特征的神经元自动分类方法。该方法通过对生物神经元图像预处理,计算图像的灰度共生矩阵,统计各图像灰度共生矩阵属性值的平均值和标准差,构建生物神经元类别的特征空间,利用模式识别中的人工神经网络方法建立特征空间与神经元类别之间的映射关系。采用收集的160幅生物神经元图像对该方法进行实验分析,测试集的识别正确率达93.8%。研究结果表明,结合模式识别与图像灰度共生矩阵特征的生物神经元图像自动分类方法具有较高的准确性与可靠性。     

多特性仿生统一神经元模型

为对几十种神经元模型做出统一描述,总结归纳出目前生物医学界和工程科学界普遍认可的生物神经元的十二大基本特性,并以此为基础提出了一种更为全面反映生物神经元特性的人工神经元统一框架模型——多特性仿生统一神经元(MBUN)模型.经验证,该模型可有效描述各种常见神经元模型及学习算法.     

关于一类神经元系统的动力学分析

旨在对Caianiello型离散神经元模型进行分析，由于这种模型具有动态阈值，它能够更加贴切地模拟生物神经元。这种神经元模型恰为延迟动力系统。我们所采用的方法是李雅普诺夫直接方法。文中对各种不同情况得到了神经元系统平衡点的数量、位置的结果。对每一种情况，我们还分析了这些平衡点的动态性质，理论分析和计算机仿真表明该神经元可以具有各种不同的特性，如全局吸引性、局部吸引性、不稳定性或振荡。     

Hodgkin-Huxley神经元系统的随机动力学研究

真实的神经元是处在一个充满噪声的复杂生物环境之中．这些内噪声对单个神经元动作电位发放的影响是当前热点之一．针对神经生物学中的Hodgkin—Huxley方程描述这一经典的理论模型，将其转化为随机微分方程形式，利用随机路径分析方法探讨了内噪声对神经元动作电位发放动力学过程的作用．理论结果表明，内噪声存在时动作电位的发放形式偏离无噪声时的概率很小．初步认为内噪声对动作电位发放过程的影响可以忽略，即神经元系统动作电位发放的动力学机制自身存在内禀的鲁棒性。     

硅芯片再现神经元活动

<正>一项新研究报告了一种制造再现生物神经元电行为的硅芯片的方法。利用这种方法,科学家有望开发出仿生芯片来修复神经系统中因病而导致功能异常的生物电路。英国巴斯大学的Alain Nogaret及同事设计的微电路模仿离子通道,能像生物神经元一样整合原始神经刺激并做出响应。之后,研究者在硅芯片中再现单个海马神经元和呼吸神经元的活动。通过60个电刺激方案,他们发现固态神     

《从分子到网络：细胞和分子神经科学导论》

神经元（神经细胞）是构成神经系统的基石，对神经元各个方面的深入、彻底的理解对于我们从各个层次对神经系统进行分析都是十分必要的．本书论述了神经细胞的形态学、生物化学、生物物理学基础知识，这些知识正迎合了相关专业的大学生、研究生、科研人员的需要．     

电子显微镜:人类的第三只眼(1931年)

除了动植物以外，自然界还有一个庞大的生物世界，就是微生物。它们都很小．小到把几亿个微生物堆积在一起时，也只有一粒米那么大小。显微镜的发明打开了人类通向微生物等微观世界的大门。1590年．杨斯岑兄弟发明了世界上最早的显微镜。17世纪中期人类发明了     

海马结构中DG对CA3的信号传递作用

利用海马结构中的细胞通道模型,数值研究海马中CA3-DG网络的传递特性.首先分析外界刺激对锥体神经元放电节律的影响,放电节律经历周期峰放电,倍周期分岔通向混沌,激变周期3放电进而演化混沌,最后周期簇爆发的完整放电模式变化过程.然后通过突触连接模型,构造CA3-DG神经系统模型,分析了网络中各种神经元突触后电流总和的计算公式,突触后电流对神经元放电节律的影响以及簇爆发的产生机理,网络结构的强大编码能力揭示了CA3结构在海马信息传递中的特性.模型分析包含突触传递的时滞影响,模型结果与海马发放的实验现象相符合.     

通向诺贝尔奖的离子通道

对多数人来说，离子通道是一个陌生的概念，但它在生物体内却起着至关重要的作用。细胞膜上各种神奇的通道控制着人体各种物质的平衡。解开这些通道的结构就好像打开了通向诺贝尔奖的大门，今年诺贝尔化学奖就因离子通道方面的突出贡献而授予了阿格雷和麦克金南。让我们跟着艾丹丹与胡磊的讨论走进离子通道看一看。     

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     

利用动态神经网络产生混沌系统

根据逆最优控制方法，针对非线性系统，提出了利用动态神经网络产生混沌的一种新方法。令动态神经网络复制所需要的混沌系统来设计控制器。鉴于混沌反控制的本质，巧妙地引入了一个跟踪控制。这种方法不需要估计混沌吸引子的Lyapunov指数，从而大大地减少了计算量，这说明这种方法便于实际应用。以Lorenz系统为例，进行了数值仿真，结果表明所提出的控制器是有效的，性能是良好的。     

基于径向基函数的海杂波时间序列预测方法

介绍基于混沌理论的海杂波分析方法,依据加拿大McMaster大学IPIX雷达实测海杂波数据,按照TAKENS的嵌入定理,设计了混沌预测器.预测器采用径向基函数神经网络重建海杂波的混沌动力系统,即建立海杂波的精确预测模型.实验表明,基于径向基函数的混沌时间序列预测器精度完全能够实现单步预测功能.学习误差为0.0232,预测误差为0.0277.     

一种RBF神经网络高精度算法研究及应用

剖析了RBF神经网络基本算法的原理以及激励函数参量与隐层单元数量按经验选取所带来的问题.基于RBF神经网络结构,以网络的权阈值为设计变量,网络误差为目标函数,通过合理的动态变量排序,构建了一种RBF神经网络的新的高精度算法,并编制计算程序.与RBF网络基本算法相比,这种算法是以权阈值为未知变量的真实优化过程,实现了RBF神经网络的高精度计算.从方程论理论出发,给出了网络隐层结构的合理确定方法.通过实例的程序分析,表明了该优化算法具有较高的样本拟合与插值精度,为进一步理论研究与工程应用提供基础.     

混沌动态模糊神经网络及变压器故障诊断的应用

提出一种结合动态模糊神经网络和混沌优化算法的故障诊断方法,将混沌变量引入模糊神经网络结构和参数的优化搜索.利用混沌优化的动态模糊神经网络建立变压器故障诊断模型,此模型不仅能对模糊规则而且能对输入变量的重要性做出评价,从而使得每个输入变量和模糊规则都可根据误差减少率进行修正.仿真结果表明,混沌动态模糊神经网络算法精度高、迭代步骤少、收敛快,对识别和预测变压器状态具有较高的精度和效率,并可方便有效地应用到其他领域.     

用简单动态递归网构造固体散料流量模型

提出了用简单动态递归网来建立固体散料流量模型，针对动态递归网结构复杂，训练算法收敛速度慢的缺点，采用一种结构十分简单的递归网，对RPE算法进行了改进和补充，使之适用于简单递归网，用来对网络的权值和阈值进行调整，建模结果表明此方法收敛速度快，精度高。     

神经网络在混沌保密通信中的应用

简述了神经网络的特点及其与混沌的内在联系,重点从神经网络在预测、产生混沌信号、形成混沌扩频序列、混沌系统的信道均衡、混沌同步和混沌通信中信息的加密与解密等几个角度阐述了神经网络在混沌保密通信中的应用.     

四色图着色问题的混沌神经网络解法

采用一种基于退火策略的混沌神经网络（ACNN）算法求解四色图着色问题。将混沌机制引入H0pfield神经网络（HNN），利用混沌的遍历性进行随机搜索，由退火策略控制混沌动态退出和倒分岔出现，使ACNN逐渐趋于一般的HNN．从而既避免了陷于局部极小，又加快了收敛速度，使网络能快速收敛到一个全局最优或近似最优的稳定平衡点。仿真结果表明，这是一个能有效求解四色图着色问题的全局最优化算法。     

判别混沌与噪声的局部可变神经网络方法

为了解决多对单类型的分类问题（ 尤其是无限多对单） ，提出了一种处理多对单问题的新型神经网络模型———局部可变权值神经网络，并将其应用于混沌信号和噪声的判别．局部可变权值神经网络学习算法与传统神经网络类似，但在工作时可根据网络输入来调整神经网络局部权值．从最后分类结果看，无论是在学习时间还是在分类精度上，局部可变权值神经网络比传统神经网络都要好     

Hybrid internal model control and proportional control of chaotic dynamical systems

A new chaos control method is proposed to take advantage of chaos or avoid it. The hybrid Internal Model Control and Proportional Control learning scheme are introduced. In order to gain the desired robust performance and ensure the system‘s stability, Adaptive Momentum Algorithms are also developed. Through properly designing the neural network plant model and neural network controller, the chaotic dynamical systems are controlled while the parameters of the BP neural network are modified. Taking the Lorenz chaotic system as example, the results show that chaotic dynamical systems can be stabilized at the desired orbits by this control strategy.     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法，可以充分利用混沌的随机性、初值敏感性等特点，也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能，因此，受到了许多研究者的青睐。本文研究了混沌RBF神经网络，利用RBF神经网络的学习、逼近能力，结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络，分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真，并将RBF神经网络应用于油田电力负荷预测中。仿真分析和实用结果表明，混沌RBF神经网络具有预测时间短、预测精度高等优点，具有较高的指导意义和应用价值。