神经系统识别爆发性锋电位序列的机制讨论

讨论神经系统识别爆发型锋电位序列信息的机制,认为序列的信息存储在爆发锋电位组内间隔和组间间隔2个时间变量中,建立了一个神经回路,通过突触传递过程中的易化、反馈调节机制以及时间依赖的学习机制等突触可塑性机制,给出了神经系统识别爆发性锋电位序列信息的一种可能机制,其中包括分解机制和整合机制两部分.首先通过神经元选择性响应的动力学性质,将锋电位序列的信息分解,并将每组锋电位内部间隔的信息通过不同神经元学习存储.通过突触延迟时间的动力学调整,将2组锋电位之间的时间间隔学习、存储在回路中.经过多次学习训练,神经回路对输入信号形成特定的突触连接结构以及时空响应输出模式,实现对爆发性锋电位序列信息的识别.     

忆阻器类脑神经突触的研究进展

大脑之所以能够控制人和动物的复杂生命活动，使生物体在多变的自然环境得以生存，得益于大规模神经网络中高效、快速、精准的信息传递。神经突触作为神经元之间信息传递的重要机构，保证了神经网络的高效运转，因此构建具有神经突触功能的电子突触是研究仿生系统和类脑神经网络的必经之路。研究人员尝试各种电子元件对神经突触进行模拟，其中忆阻器由于其独特的器件结构和具有“记忆特性”的电学性能，成为构建类脑神经突触的最佳选择。文章全面概述近年来忆阻器模拟神经突触的研究进展，包括忆阻器模拟神经突触的可塑性、再可塑性、非联想学习、联想学习等功能，总结了忆阻器神经突触在人工神经网络中的应用、存在的问题和挑战，并对忆阻器神经突触的研究进行展望。     

加速BP网络在单桩沉降预估中的动态适应

提出一种学习率自适应加速算法,即采用动态的网络学习率代替在整个学习过程中根据经验选取的传统的学习率,使ＢＰ神经网络的收敛速度得到显著的提高。应用这种神经网络,对单桩沉降预估过程以及信息扩散原理所取得的样本－教师模式匹配,可进行动态的学习。数值模拟表明,加速的学习算法使这种神经网络对问题的解具有动态适应性。     

神经模糊网络自适应模糊控制研究

提出了一种由样品辨识，模糊推理和控制处理3个子网模块构成的基于知识的多层神经网络，这种网络由各子网构成并按照最初的模糊控制结构适当连接而建立，具有明确区分各组成子网功能及其知识流结构，由于综合了模糊逻辑的推理过程及神经网络的学习能力，使它能够在其结构中以模糊规则的形式引入语言知识并通过网络的训练及自学习对这些知识进行加工，从而实现了真正意义上的自适应模糊控制器，最后还讨论了这种NFN网络在动态过程控制中的应用。     

基于通用学习网络的pH控制过程辨识

pH控制过程是典型的非线生过程，传统的辨识方法尚不能很好地辨识该过程，利用一种新型的神经网络－－通用学习网络对该过程进行辨识，取得了良好的辨识结果，网络训练误差和泛化误差均达到较高精度，网络训练输出曲线与教师信号曲线拟合良好。     

基于网络探究学习（Webquest）的设计要义

信息时代的学习具有学习方式多元化、学习时空自由化、学习自主化和个性化的特征，要实现学习方式的转型必须依赖特定的方法，Webquest有机地将网络学习资源与学习过程融为一体，为网络环境下的学习提供了一套颇具操作性的设计方法，为我们设计网络环境下的探究学习提供了参照框架，本文将对Webquest的设计要义进行论述。     

点模式识别ANN的区域分划特征

化学工程中许多过程识别问题，可归结为点模式识别，本文以区域分划或覆盖为基础，研究用于点模式识别的ＡＮＮ的性能，提出分划映射的ＡＮＮ表示－σ网络及其学习算法，并建立它的“知识积累”机制－σ网络的序贯学习。     

人工神经网络在红霉素发酵过程状态预估中的应用

探索了动态ＢＰ网络和ＲＢＦ网络在红霉素发酵过程状态预估中的应用,比较了它们的收敛速度和学习能力。结果表明,ＢＰ网络和ＲＢＦ网络都具有相当好的学习能力,但ＲＢＦ网络的收敛速度更快,训练好的神经网络,在红霉素发酵过程中可在线预估出红霉素效价、葡萄糖浓度、ＮＨ２－Ｎ浓度、丙醇浓度和菌体浓度等参数值,并可在进上步的过程优化和控制中应用。     

用结构可控神经网络作结构分析

构造一个的结构可控的前向神经网络，并于结构位移法方程的求解，采用动态的网络学习算法，使该网络得以更快速度收敛。数值模拟证明，用这种加速度的神经网络求解线性方程，其收敛速度优于传统的高斯－赛德尔迭代法。     

咿呀学语的幼鸟

与人类幼儿准备学说话一样，年幼的鸣禽在学会啼叫之前也有咿呀学语的阶段。最近，研究人员在幼鸟身上得到了一个令人吃惊的发现：这些幼鸟的咿呀学语与其特殊的脑神经回路有关，而且该脑神经回路与成年鸟类啼叫的回路是分开的。这项新发现强调了探索行为的重要性——就像是婴儿踏步走路、手的运动、发声及玩耍一样——它会对年幼动物学习如何使用它们的身体及如何理解世界有帮助。     

一类学习联想神经网络的动态特性研究

本文讨论了一类联想神经网络在学习新的模式过程中，结构变化引起网络平衡点状态变化的动态特性；分析了联想过程中输入激励在噪声干扰情况下网络的抗噪性能，得到一些对于研究联想神经网络学习性质有用的结论。     

海马MF-CA3突触习得性LTP诱导后PPF效应的变化

采用电生理学与行为学结合的方法，通过慢性微电极埋植技术及双脉冲检测技术，观察大鼠海马MF-CA3突触在明暗辨别学习过程中形成习得性长时程增强（Long-term potentiation, LTP）后双脉冲易化（Paired-pulse facilitation, PPF）效应的变化. 结果表明:Mossy fibers-CA3（MF-CA3）突触习得性LTP形成前的PPF易化率为138.36%9.25%，形成后则为114.75%8.42%，差异极显著（p 0.01），而基线对照组在长达7天的检测中，PPF易化率稳定在140%左右. 研究结果显示，MF-CA3突触的习得性LTP的表达可能与突触前递质释放的改变有关.     

两个黑箱问题——深度神经网络和脑神经网络

 谷歌DeepMind团队的研究将认知心理学（cognitive psychology）和深度神经网络（deep neural network,DNN）结合在一起,并发现两者在小样本词汇学习（从一个示例中猜出一个单词的意思,one-shot word learning）过程中具有相似之处--DNN和脑神经网络都具有形状偏好（shape bias）,相关研究论文《Cognitive psychology for deepneural networks：A shape bias casestudy》被国际机器学习学会（IMLS）收录^[1]。深度学习和神经科学的学科交叉对未来的发展方向具有很强的指导意义,这项研究也为DNN的机理以及脑神经网络的理论基础研究提供了一种可行的解决思路,而真正破解DNN和脑神经科学的黑箱问题依然任重道远。     

智能化烃类重气泄散过程的数值预测

提出实现烃类重气泄散态势的动态过程数值预测新构想－－基于人工神经网络的“反求源”技术。给出过程系统数学分析模型,根据实际网络预测结果,获取、分析了其动态模拟时域曲线。     

虚拟协同学习环境电子白板实现方法--远程教育系统开发技术之一

以现代教育理论为指导，进行了基于互联网的远程教育系统功能目标和实现技术的探索，设计开发了“交互式协同学习环境－－Webclassroom”，系统开发采用了网络新技术，根据该项目研制过程的经验，探讨了虚拟协同学习环境共享数据区域－电子白板的实现技术。     

应激与神经内分泌及免疫的研究

全文就应激时交感－肾上腺髓质、下丘脑－垂体－肾上腺皮质的作用，以及应激与免疫生物学的相互作用进行了深入探索和研究。以应激时的“神经－内分泌－免疫”网络学说充实了应激学说的真实内涵。     

神经模糊网络自适应模糊控制研究

提出了一种由样品辨识、模糊推理和控制处理 3个子网模块构成的基于知识的多层神经网络 .这种网络由各子网分别构成并按照最初的模糊控制结构适当连接而建立 ,具有明确区分各组成子网功能及其知识流结构 .由于综合了模糊逻辑的推理过程及神经网络的学习能力 ,使它能够在其结构中以模糊规则的形式引入语言知识并通过网络的训练及自学习对这些知识进行加工 ,从而实现了真正意义上的自适应模糊控制器 .最后还讨论了这种 NFN网络在动态过程控制中的应用     

评价基线动态监督的网络教学模式研究

从理论层面上分析了网络教学在具体实践中一些与传统教学模式迥异的方面和侧重点，并指出了解决这些实际问题的方向。在此基础上，提出应以反映前一段学习状态的评价作为基线，并对学生进行动态监督的网络教学模式，即“评价基线动态监督的网络教学模式”。这一模式不仅能够实时评价整个网络教学过程，全面监督学生、教师、课程这三大学习要素，而且还能够在保证学习效果的同时，凸显学生学习的个性化需求。     

基于递推K—均值聚类算法的RBF神经网络及其在系统辨识的应用

提出了一种基于ｋ－均值聚类算法的ＲＢＦ神经网络递推快速学习算法，并用此对动态非线性过程进行辨识。仿真结果表明了本文方法的可行性。     

AODE中基于强化学习的Agent协商模型

AODE是我们研制的一个面向Agent的智能系统开发环境。AODE中基于强化学习的Agent协商模型采用Markov决策过程和连续过程分别描述系统状态变化和特定系统状态的Agent协商过程,并将强化学习技术应用于Agnet协商过程。该协商模型能够描述动态环境下的多Agent协商,模型中所有Agent都采用元对策Q-学习算法时,系统能获得动态协商环境下的最优协商解。