量子BP神经元及其在含噪字母识别中的应用研究

量子神经计算是传统神经计算与量子计算相结合的产物,它将成为新的信息处理技术之一.文中以相移门和受控非门作为基本的计算单元,借助复数BP学习算法,构造出量子神经元模型,通过数值计算给出了该量子神经元的收敛特性曲线.在此模型基础上,构造出一个三层量子神经网络,应用于含噪字母识别.数值计算结果表明,量子神经网络在噪声均方差小于0.35之前能完全地对含噪英文字母进行识别,容错能力比传统神经网络有明显增强.     

大脑、知觉模型和计算机模拟

现代神经生物学的研究表明，大脑的知觉活动可能和脑里神经脉冲的图型有关。为了充分评价这一假设的含义并在计算机上模拟知觉过程，必须研究神经元是如何工作的；它们之间是如何通信的；它们是如何组织成局部的或散布的网络的，以及神经元之间的连接是如何随经验而改变的。     

螽斯听觉上升神经元的结构与功能

声通信是动物和人类常用的一种有效的信息传递方式。在细胞水平上探索动物声通信的奥秘,不仅有助于阐明听觉信息加工的基本原理,而且对于神经网络与人工智能的研究,以及计算机听觉系统原型设计都具有重要意义。     

K－神经毒素是银环蛇（Bungarusmultictus）蛇毒的基本成分

利用层析法分别从浙江、湖南和安徽产银环蛇毒中纯化得到的Ｋ－神经毒素（Ⅵ１ｂ和Ⅷ１ａ峰），分子量均为６５００．两个Ｋ一神经毒素在浓度１５０ｎｍｏｌ／Ｌ都能有效地阻断小鸡睫状神经节的烟碱传递，经２小时冲洗仍未见神经节传递功能的恢复。可以认为Ｋ一神经毒素是银环蛇蛇毒的基本成分。     

基于神经元控制的交流传动系统的研究

针对交流传动系统的特点，提出了基于神经元控制算法，仿真结果表明，该系统不仅具有满意的动态特性，而且又具有较强的鲁棒性与自适应性。     

人工神经元网络的研究现状与展望

人工神经元网络是在现代神经科学研究成果的基础上提出的用来模拟人脑功能基本特征的一门研究学科,它不是人脑神经元网络的全面、真实描述,而是这种网络的某种抽象、模拟和简化。研究这一技术的目的在于探索人脑信息加工、存贮和搜索的机制,从而为人工智能与信息处理等学科的研究开辟一条新的技术途径。本文着重介绍了人工神经元网络的研究概况、典型模型和实际应用,展望了未来人工神经元网络的研究与发展。     

一种神经元网络控制器及仿真

该文给了了一种自适应神经元的控制方法，设计了神经元网络作为控制器的智能控制系统，给出了学习规则，在交流伺服系统中的仿真结果表明了此方法的有效性及优越性。     

多电机同步控制建模与仿真

采用偏差耦合控制结构控制4台永磁同步电机同步运动时,由于控制器结构复杂,计算量大,而且传统的PID控制算法不能在线实时调整参数,动态响应慢。因此,对4电机同步运动控制结构和控制算法进行改进,采用环形耦合控制结构和免疫单神经元PID控制器控制整个同步运动系统。仿真结果表明:该控制结构复杂度低,跟踪性能和稳态性能良好,抗干扰性强。     

神经网络受损对神经元放电模式及同步行为影响的研究

以Hindmarsh-Rose(HR)神经元模型为节点构建一个环状耦合的神经网络,考察网络受损后对其放电模式及同步行为的影响.研究发现,当神经网络正常时,神经元具有较好的接收和输出信息的性能,合适的耦合强度可以调节体系的放电模式和同步行为.而当网络中出现一定程度的损伤时(包括部分神经元或突触连接受损),均会导致神经元的接收或输出信息的性能减弱,从而引起体系中神经元放电模式和放电频率发生改变,体系的同步程度降低.上述研究结果表明神经网络受损将影响神经元的放电活动,并导致网络的异常同步行为,从而为揭示神经性疾病的形成机理提供一定的理论解释.     

基于改进单神经元梯度学习的无线网络主动队列管理

考虑传统网络拥塞控制忽略了网络拥塞的持续状态, 引入将数据包到达链路速率作为控制器输入的方案, 得到一种改进单神经元梯度学习(improves single neuron gradient learning, ISNGL)的主动队列管理算法. ISNGL 算法采用梯度学习动态调整网络参数, 并在此基础上对收敛速度和稳定性加以改进, 提出带有位移参数的新激活函数和带有权值调整的动量项的改进方法, 最后通过 NS2 网络仿真软件在无线网络的拓扑模型上进行仿真分析, 结果表明 ISNGL 算法在无线网络环境下拥有良好的拥塞控制能力.