电磁辐射环境下自组织神经元网络拓扑特性及动力学行为

基于FitzHugh-Nagumo神经元模型,构建了电磁辐射环境下突触连接动态变化的自组织神经元网络模型;采用神经动力学理论和复杂网络方法,研究了不同电磁辐射强度下,自组织神经元网络的连接密度、因果关系、模块化程度、网络效率、同步行为以及兴奋性。发现电磁辐射增强了磁场对神经元的负反馈,减弱了神经元之间的竞争,降低了神经元之间的因果关系;但对神经元网络的连接密度、模块化程度和网络效率的影响较复杂;存在最佳辐射强度,使自组织神经元网络的局部效率和全局效率显著升高。同时,电磁辐射增强了自组织神经元网络固有的同步能力,产生更高的神经元同步放电活动。最后,合适的电磁辐射强度可以增强自组织经元网络的兴奋性,而更高的辐射强度降低了神经元网络的兴奋性。结果表明:电磁辐射对自组织神经元网络的形成具有复杂的调控作用,但存在合适的辐射强度,使自组织神经元网络在结构上具有较强的信息传递能力,在动力学上具有较高的同步放电行为。     

视网膜神经元网络模型分析

将嗅觉神经系统刺激、响应的WinnerLess Competition (WLC)模型应用到视觉通道的视网膜神经元网络的计算之中,研究视网膜神经元的电位发放特性.通过数值实验,发现视网膜神经元的电位发放与生理实验的结果相近,得出WLC模型能够用于视觉通道计算研究的结论,并分析了视网膜神经元网络中神经节神经元电位发放的ISI,讨论了该网络模型的动力学性质.     

一种星形神经网络的混沌同步

通过理论研究和数值模拟,利用基于线性系统稳定准则(SC)的混沌同步方法,配置特殊的非线性项作为耦合函数,讨论一类Hindmarsh Rose (H R)神经元构成的复杂星形网络的混沌同步问题.提供了确定网络中神经元之间的同步误差发展方程,给出使神经元网络达到混沌同步的耦合强度的参考值和取值范围.在不同耦合强度影响下,观察神经元的同步过程,总结出各个耦合强度因子对该神经网络同步稳定性过程的影响.     

基于ANN的超短波跳频电台故障诊断系统的设计

人工神经网络是模拟生物神经元的结构而提出的一种信息处理方法。利用经过训练的人工神经网络对故障进行分析从而对短波电台进行故障检测和监控,预测某些部件的疲劳寿命。基于对人工神经网络的研究,建立了对超短波跳频电台故障诊断的一种新的系统设计研究。     

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.     

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。     

功能神经元建模及动力学若干问题

生物神经元是神经系统处理信号的基本单元,其复杂的解剖结构和突触可塑性使得神经元对外界刺激具有很强的自适应性,其放电模态也具有多样性。在脑皮层内存在不同的功能区,功能区内的神经元聚集成不同拓扑结构的网络,相互协作对单一外部刺激进行编码。不同功能区的神经元相互通信,以多层网络同步方式传递信号,驱动肌体和器官协作来完成应激反应。神经元网络群体电活动主要取决于网络局域动力学、连接链路和耦合通道的物理属性,网络拓扑结构及物理效应。构建可靠的生物物理神经元模型,强化耦合通道的可控性,分析神经元网络同步和斑图演化过程中能量输运的特征,噪声驱动的物理机理,神经系统选频和滤波响应的物理机制等对于认知神经系统模态响应和预防神经性疾病具有重要意义。本文从单个神经元电路的功能强化,如在非线性电路嵌入不同的物理器件来设计感知温度、光照、声波、外磁场和电磁辐射的功能神经元电路,到神经元电路内部能量存储和交换,听觉和视觉神经元滤波选频,耦合通道耗能和储能,场能量无量纲化到哈密顿能量,场耦合同步到共振同步,神经元网络斑图及同步稳定性,系统地介绍和评论神经元功能性增强及网络动力学相关问题,为进一步设计智能化的功能神经元...     

人工神经网络智能控制系统稳定性分析

从经典控制理论的稳定性问题出发 ,分析了现代控制理论和智能控制理论的稳定性判别方法 ,重点讨论了人工神经网络 ( ANN)智能控制系统的稳定性判别方法 ,并对基于神经元的自适应 PID控制器稳定性进行了分析。     

一种与神经解剖和生理功能相似的神经元模型

从解剖结构和神经生理功能的角度提出了一种神经元模型，讨论了标准神经元的符号、人工神经元网络和通用数字计算机的联接方式。列举了几种典型的人工神经元网络的例子。     

深度脑刺激的精确闭环去同步控制

深度脑刺激(DBS)是治疗帕金森症和癫痫等神经疾病的有效方法之一.针对其开环控制的缺点,以MorrisLecar神经元为节点模拟病态同步神经元网络,提出了基于H∞变论域模糊的DBS闭环控制方法,实现了神经元网络的精确去同步控制.采用变论域模糊逼近神经元非线性动态和H∞抑制逼近误差,利用李雅普诺夫稳定性理论证明控制算法的稳定性并进行了仿真分析.仿真结果验证了所提方案的有效性及鲁棒性,该方法可作为由病态同步引起的神经疾病的一种潜在电刺激治疗方案.     

二维格子神经元网络中螺旋波的鲁棒性和破裂

研究了二维格子神经元网络中螺旋波的鲁棒性和破裂问题．小世界网络连接被分解为局部规则连接和一定概率的长程连接,实际的生物神经元网络的长程连接概率可能是变化的．因此,用局部规则连接和可变的长程连接概率则更能恰当地研究网络对实际生物系统螺旋波的演化,可变的长程连接概率对螺旋波的影响简化为乘性噪声效应．首先选择恰当的初始值和参数值并在无流边界条件下在神经元网络内诱导出稳定旋转的螺旋波,再考虑网络对螺旋波演化的影响．研究发现当乘性噪声强度小于一定闽值时螺旋波保持很好的鲁棒性,进一步增加乘性噪声强度则发现螺旋波破裂．定义了一类统计同步因子,并通过观察同步因子曲线上临界点参数（如噪声强度和刺激电流强度等）对应的所有格点神经元膜点位来研究螺旋波的相变问题．首先研究了Hindmarsh-Rose耦合神经元网络中螺旋波的鲁棒性和破裂,为验证结论与模型无关则进一步研究了在通道噪声下Hodgkin-Huxley神经元网络螺旋波的破裂和鲁棒性问题,发现在通道噪声下乘性噪声更容易引起螺旋波的破裂．     

基于多聚合过程神经元网络的宁东大气污染物浓度预测研究

已有的基于人工神经网络对大气环境质量预测的研究大多只考虑空间特性,因此,无法准确刻画大气环境中污染物浓度随时间的动态变化规律,更不能实现影响污染物浓度诸因子在时间维上的有效预测。鉴于此,主要在时间、空间上对多聚合过程神经元网络模型进行多次训练与学习,并将训练好的模型对宁东能源化工基地大气环境中污染物SO2的浓度进行预测。仿真实验表明:多聚合过程神经元网络对于大气环境中SO2浓度具有较好的预测能力。     

基于场耦合的神经网络放电特性影响因素

神经网络放电特性是决定脑电位变化规律的重要因素.除化学突触作用,磁耦合对其他神经元放电特性的影响成为了近年的研究热点.然而,目前的研究只考虑放电神经元膜电流在空间产生的磁耦合,没有考虑其电学自突触电流产生的磁场作用.基于场耦合理论,充分考虑放电神经元的电学自突触电流对空间磁场的作用,根据神经元Hindmarsh-Rose(H-R)等效模型,构建仅含磁耦合作用的链式神经网络模型.通过模型研究刺激频率、距离权重、场耦合强度和电学自突触增益等因素变化对神经网络放电特性的影响规律.结果表明:①随着刺激频率从零开始增加,神经网络的放电状态呈现从"抑制"到"放电"再到"抑制"的"窗口"变化特性;②神经元网络的同步程度均随磁耦合强度和距离权重的增加而增强;③无论正、负反馈,放电神经元的电学自突触作用均能改变神经元网络的放电特性,其中正反馈的影响更显著;④电学自突触增益大于零时,同步程度随增益增大而提高.研究结果进一步表明磁耦合是实现神经元之间信号传递的一个重要方式,其中电学自突触电流的磁耦合作用不可忽视.说明神经突触的化学作用如果失效,由放电神经元膜电流和其电自学突触电流共同产生的磁场也可能引起其他神经元膜电位超过阈值而放电.     

中枢模式发生器网络步态运动

采用相对简单的Rayleigh振荡器作为中枢模式发生器(CPG)控制器,建立网络模型,针对该方法对多神经元耦合描述的不足,在单神经元和双神经元模型的基础上添加一个神经元,建立了三神经元模型。利用该模型分别模拟髋关节、膝关节和踝关节运动,实现了对步态运动过程中腿部各关节的模拟。仿真结果表明,用Rayleigh振荡器构建的CPG能够很好地模拟多神经元的生理特性,Rayleigh振荡器作为CPG控制器建立多神经元网络模型是可行的。     

中枢模式发生器网络步态运动

采用相对简单的Rayleigh振荡器作为中枢模式发生器(CPG)控制器,建立网络模型,针对该方法对多神经元耦合描述的不足,在单神经元和双神经元模型的基础上添加一个神经元,建立了三神经元模型。利用该模型分别模拟髋关节、膝关节和踝关节运动,实现了对步态运动过程中腿部各关节的模拟。仿真结果表明,用Rayleigh振荡器构建的CPG能够很好地模拟多神经元的生理特性,Rayleigh振荡器作为CPG控制器建立多神经元网络模型是可行的。     

基于小波神经元网络模型的网损预测方法研究

提出了一种电力系统网损预测的新算法-小波神经元网络预测模型,它以非线性小波基为神经元函数,通过优化伸缩因子和平移因子确定对应务神经元的小波基函数,从而合成小波神经元网络,达到全局最优的拟合效果,克服了普通人工神经元网络学习速度慢、难以确定网络结构、存在局部极小点等方面的缺点,仿真结果表明,该方法准确,并可使学习速度大大提高。     

HR神经元网络抗脉冲干扰特性的研究

采用数值仿真的方法,研究了电突触耦合对Hindmarsh-Rose(HR)神经元网络抗脉冲干扰特性的影响.结果表明:规则的耦合形式和神经元数目对网络的抗脉冲干扰特性影响较小;神经元间电突触耦合强度的分布对网络的抗脉冲干扰特性影响较大.在全局耦合结构下,当突触耦合强的度分布满足一定条件时,网络中的神经元仍能同步放电且保持稳定的放电频率,呈现出较好的抵御脉冲干扰能力.     

细胞神经网络--图像处理和复杂系统建模的有益工具

人工神经网络(NN)是由心理学家W.McCulloch和数理逻辑学家W.Pitts于1943年首先提出的,NN是由人工神经元互联构成的网络,至今已建立了多种NN模型。出自不同的研究与应用目的,NN已被用于计算机信     

“基因算法”在人工神经元网络中的应用

在使用著名的ＢＰ算法来训练一个多层毅向神经网络时，首先要确定这个神经元网络的主结构以及网络的各种初始化参数，但拓扑结构和各种参数的确定到目前为止还无确定的规则可寻。本研究将基因算法引入人工神经元网络。通过它来自动确定神经元网络的拓扑结构以及具体参数，并给出了基因算法在神经元网络应用中的具体实现。     

基于神经元连接的脑网络减边演化算法

神经元间的连接以先增大后减小的方式演化,这提示了大脑神经元网络在演化过程中存在“剪除”过程。以“剪除”为启发,本文首先使用数学方法对大脑网络进行建模,然后基于大脑网络中的神经元连接方式,设计了网络减边演化算法。最后,考虑布线消耗和信息传输之间的效率,建立了大神经元优先与距离优先的演化博弈模型,探索该模型对脑网络拓扑结构特性的影响。实验结果显示,在此演化过程中呈现了中心节点度≈200、小世界特性S>1和高效率代价比等性质, 表明该算法能够有效模拟仿神经元剪除机制。上述算法和模型为有效模拟高效低能耗的脑网络提供了一种新途径。