带有动态阈值的小神经网络的复杂动力学

本文把反映生物神经元适应性的动态阈值引入到一个由三个神经元组成的小神经网络中去，并考察了网络非常复杂的动力学行为，如Ｈｏｐｆ分岔，魔鬼阶梯，ＲＴＮ路径通向混沌，倍周期通向混沌多吸引子共存，表明人们在参考生物神经来建立人工网络系统时必须慎得对待生物神经系统的某些特点。     

涡虫神经再生相关基因及其调控通路

神经系统在调节动物生理功能、控制动物行为上发挥着重要作用。涡虫因其独特的再生特性,已被用作研究神经再生机制的模式生物。基于三种涡虫神经再生相关文献,着重对涡虫神经再生过程中相关基因的分布、作用机制及重要信号通路等内容进行综述,探讨涡虫神经再生的分子机制,为研究高等动物如人类神经系统的发育、神经相关疾病的治疗等提供背景资料。     

发酵动力学研究、开发与应用新进展

发酵动力学研究生物反应过程的速率及其影响因素，是生物反应工程学的理论基础之一。本文介绍发酵动力学研究目的、意义及研究内容。对发酵动力学在当今工业生产中的应用进行简要概括。     

神经科学领域研究进展

神经科学（Neuroscience）是研究神经系统的交叉学科。它综合了生理学、生物化学、生物物理学、药理学、解剖学、胚胎学、神经生物学、神经病学、精神病学、分子生物学、组织学、发育生物学、免疫学、遗传学、影像学、计算网络、控制论、心理学、认知科学等多门学科,对神经系统进行全面的研究。神经科学得益于这些学科,又推动这些学科。神经科学研究对每个年龄层次的人都有意义。     

土壤重金属有效态和生物碳关系研究进展及展望

阐述了国内外对重金属有效态和生物碳含义的界定,概括了土壤重金属有效态和生物碳的研究进展,从生物碳对土壤重金属有效态的吸附动力学模拟、p H的影响、生物碳组分及制备温度不同对有效态吸附的影响等方面对生物碳与重金属有效态关系的研究成果进行总结,并提出相应展望。     

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...     

生物活性炭对焦化废水中萘的吸附降解

以荼为唯一碳源,驯化分离出高效荼降解菌NPA-5,将NPA-5负载于活性炭上,制备出生物活性炭.研究生物活性炭对荼的吸附特征、生物吸附动力学及其对焦化废水中荼的吸附降解机制.结果表明,活性炭对荼的等温吸附符合Langmuir和Freundlich等温吸附模型；负载NPA-5的生物活性炭能较快地降解废水中的荼,降解率达99.3％；生物活性炭对荼的降解符合一级动力学模型.     

苜蓿生物炭对磺胺甲恶唑的吸附机理研究

该文以紫花苜蓿为原料,分别在600℃、700℃和800℃下热解制备生物炭,研究其对水溶液中磺胺甲恶唑的吸附机理.通过元素分析、FTIR、BET、XRD等方法对制备的生物炭进行表征,探究了热解温度、环境温度、初始抗生素浓度、溶液pH值、离子强度以及离子类型等对磺胺甲恶唑吸附的的影响,应用吸附动力学和吸附等温线研究生物炭对...     

生物海洋学研究进展

生物海洋学是海洋学的分支学科之一.本文综述了生物海洋学的定义、学科发展的历史、生物海洋学基础研究、应用研究和新技术的应用等研究内容,阐述了该学科研究热点问题以及未来发展方向.生物海洋学的未来重大进展将表现在生物多样性在生物地球化学动力学中的重要作用、功能生态学、生物聚集体的结构动力学以及人类影响和生境关系等4个方面.     

《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．     

基于混合神经网络的一般动态系统MT方法建模

利用MT理论对一般动态系统的分解提出了混合神经网络建模的方法，混合神经网络模型采用动态神经网络和静态神经网络级联的方式，结合了二者的优点，克服了各自的不足之处．探讨了采用混合神经网络对一般动态系统建模的方法．研究结果表明，此方法对于一般动态系统，特别是复杂的非线性动态系统的建模有其独特的优点．     

一类时滞动力系统解的指数收敛行为

利用一些分析技巧,讨论了一类时滞动力系统解的指数收敛行为,证明了此类时滞动力系统的所有解都指数收敛到零点,改进了已有的关于分流抑制细胞神经网络的相关结论.     

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.     

具有脉冲效应复杂时滞动力网络的同步动力学与控制

从动力学和控制的角度考虑具有脉冲效应复杂时滞动力网络的同步动力学与控制问题。基于时滞动力系统的脉冲稳定性理论,给出了简单而又一般的网络同步化准则;并进一步将所得结果分别应用于由混沌时滞Hopfield神经网络和FHN神经元振子为动力节点所构成的具有脉冲效应无尺度(scale-free)结构复杂动力网络,数值模拟表明了所获理论结果的正确性。     

可微动力系统的渐近性研究及其在神经网络中的应用

可微动力系统是国内外学者广泛研究的问题有广泛的应用背景．特别是在人工神经网络领域中应用已成为国际学术热点．试图介绍可为动力系统与人工神经网络方面的最新研究成果．     

基于RBF网络的混沌动力系统辨识

提出用RBF神经网络对混沌动力系统进行辨识，设计了一个三层RBF网络结构，仿真实验说明了RBF网络用于学习混沌动力系统时的基本性质。用辨识模型重建吸引子方法定性地评价辨识模型，通过计算辨识模型的Lyapunov指数定量地评价辨识模型的性能，同时推导了RBF网络模型Lyapunov指数的计算公式。仿真结果表明，该辨识模型能很好地逼近原混沌动力系统，准确地体现原混沌系统的动力学特性。     

应用神经网络的非参数模型自适应控制

 提出了一种应用神经网络的非参数模型自适应控制方案,该方案仅用受控系统的I/O数据来设计控制器,并与神经网络自适应控制方案进行了仿真比较,仿真结果表明了该方案的有效性和优越性.     

时滞神经网络稳定性、分岔与混沌的研究进展

时滞广泛存在于神经网络中，从非线性动力学的角度对时滞神经网络系统的研究进展作一综述，内容包括时滞神经网络系统的特点、研究方法、神经网络动力学的热点问题的研究进展以及亟待解决的问题等。由于时滞神经网络的演化趋势不仅依赖于系统的当前状态，还依赖于系统的过去某一时刻或若干时刻的状态，其运动方程要用泛函微分方程来描述，解的空间是无穷维的，因此，时滞神经网络的动态行为是非常复杂的。     

基于动态神经网络解耦线性化的内模控制

采用动态神经网络对一类多变量仿射非线性系统进行建模，利用解析求得的模型动态逆，将非线性对象近似输入输出解耦线性化。针对复合后的伪线性系统采用内模控制，分析了存在建模误差的情况下闭环系统的鲁棒稳定性。仿真表明了所提方法的有效性。     

网络基序：生物网络的最小研究单位

 网络基序(network motif),是从生物网络中分解得到的最小研究单位,是构成生物网络的“砖块”,是系统生物学中最简单的研究对象。网络基序存在于各种生物网络中,具有信息处理的功能,通过理论和实验分析发现网络基序有重要的动力学功能。本文总结了网络基序的类型和功能研究方面的工作,包括转录网络中的基序(自我调节或者是反馈(负反馈(NAR)和正反馈(PAR)),正反馈环(FFL),单输入基序(SIM),多级输入基序(MIMs),链式调节子基序(Regulator Chain Motifs),多组分环基序(Multi-component Loop),桥基序和砖基序(Bridge and Brick motif)),信号转导网络中的基序和神经基序(神经元连接的样式),以及发掘和分析基序的数据库和工具。总结了基序的电路视角、进化以及对基序的反对意见,在应用方面,网络基序可能对合成生物学有重要的作用,最后对基序的研究工作提出了建议。网络基序可能是系统生物学的生物网络分析的初级形式,它为模块的分析和合成生物学提供了理论和实验的范本,网络基序需要用更多的网络,更多的在体实验分析,它的进一步发展可能会给生物网络理论带来重大的定则(principle)发现。