昆虫复眼的结构和功能

昆虫的复眼是昆虫最重要的光感受器,复眼是由一个个独立的小眼构成的,每个小眼主要是由角膜、晶锥、感杆束、色素细胞、基膜等组成.角膜和晶锥构成了复眼的屈光器,主要是起到透光、保护感受器和屈光的作用.感杆束和色素细胞可以随着光强的变化而变化,起到调节光量的作用,同时还起到视觉定向功能的作用.基膜是连接小眼和视神经的部分,起到了增加视神经感受性和支撑小眼的作用.     

有色噪声扰动下的神经网络结构

在有色噪声环境下,通常的神经网络不能进行有效学习。本文引入一个噪声处理器对神经网络加以改进,使之能进行有效学习,并在运行阶段能跟踪系统输出,一个仿真例子用来说明改进后神经网络的性能。     

一种复合型前馈神经网络结构

ＢＰ网络是一全局逼近的网络,通常,在对样本数据的选取要求上,它不如ＲＢＦ网络高,即ＢＰ网络在训练样本数据的代表性不强时也可表现出对非线性函数较强的逼近性能,鉴于此,作者提出了一种复合型前馈神经网络结构在此结构中,笔者采用了ＢＰ神经网络对训练数据进行预处理而得到径向基函数（ＲＢＦ）网络的初始中心矢量点集的方法该方法使得ＲＢＦ网络中心矢量点集由传统的随机确定改为对它的优化选取,由它确定的ＲＢＦ网络的中心矢量具有相当的柔性,从而增强了径向基函数（ＲＢＦ）神经网络整体的泛化性及鲁棒性,最终使得该复合型神经网络具有了很好的精度和泛化性仿真结果表明了本文所提网络的有效性     

模糊神经网络结构动态学习算法

提出一种模糊神经网络(FNN)结构学习算法,根据输入样本动态构建FNN的输入节点及其对应的输入隶 属函数,从而实现动态确定FNN的结构,大大减少了对初始学习样本数目的要求,提高了FNN学习算法在实时控 制中的适应能力．仿真结果表明,这一算法很好地实现了对超出初始学习样本范围的其他样本的学习．     

用遗传算法训练基于神经网络结构的控制器

介绍现在正被逐渐广泛的应用的新型的、随机性的全局优化方法－遗传算法,阐明它的基本方法、基本理论、特点,并将其与神经网络相结合,用于控制有纯滞后的对象,根据问题选择合适的具体实现形式,获得良好效果。     

2种改进的神经网络结构学习算法

针对已提出的灵敏度计算和自构形２种神经网络结构学习算法，提出２种改进的算法，实验证明改进的算法比原算法有更好的泛化能力。     

双斑蟋腹末神经节内DUM神经元的神经支配

应用活体染色法和氯化镍逆行染色法研究双斑蟋(Gryllus bi maculatus)(1773,DeGeer)腹末神经节内已确定的DUM神经元具体的神经支配,结果表明:DUM神经元的轴突主要经N3-3到达输卵管,经N5-3到达输卵管,经N7-1到达M4肌,M5肌,M6肌和M7肌.     

基于神经网络结构搜索的目标识别方法

针对目标识别需求,对基于神经网络的深度学习方法展开研究。由于深度学习模型中包含了对数据的先验假设,因此人工设计神经网络需要领域内专家丰富的先验知识,且具有劳动密集与时间成本高的缺点。为了获得超越专家个人经验、表现更好的网络,采用一种可微神经结构搜索的高效结构搜索方法,将搜索空间放宽为连续的空间,然后通过梯度下降来优化体系结构的验证集性能,从而找到面向目标识别的最优神经网络结构。仿真实验结果表明,将基于神经网络结构搜索的目标识别方法应用于"低慢小"类目标识别是可行的。     

前馈神经网络结构自删除算法的研究

综述了利用删除法进行前馈神经网络设计的研究现状,并在重点分析根据隐节点输出相关性进行自删除的几种算法的基础上,在一个较高层次上提出了一种新的隐节点自删除算法。算例说明了这种法不仅可以压缩线性相关隐节点,而且可以删除不重要的隐节点。其重新计算量也大大减小。     

基于样本曲率的模糊神经网络结构学习算法

提出了一种根据输入与输出样本间映射关系的复杂度确定模糊神经网络的输入隶属函数个数与参数的学 习方法．采用输入输出样本关系曲率来表示函数的复杂度,根据曲率的大小确定隶属函数的中心点与宽度,使隶属 函数的分布符合映射的变化,从而在提高逼近精度的同时减少隶属函数个数的增加．通过仿真将这一方法与均匀 划分方法及自组织聚类方法比较．结果表明,该方法在学习的快速性与精度方面均具有较优的性能．     

Neural network representation of electronic structure from ab initio molecular dynamics

Despite their rich information content,electronic structure data amassed at high volumes in ab initio molecular dynamics simulations are generally under-utilize...     

径向基函数神经网络结构的混合优化策略

为了解决一类径向基函数神经网络的结构优化问题,提出了一种有效的混合优化策略。将结构优化问题转化为一类组合优化问题。利用结合遗传算法群体并行搜索能力和模拟退火概率突跳特性来改善优化效率并避免局部极小的混合策略。借助于有效的编码方式在结构解空间中优选网络结构。利用梯度下降计算隐层到输出层的连接权。增添和删除操作用于增加结构搜索的灵活性。为保证所得网络具有较好的推广能力,利用训练误差和检验误差的综合指标作为算法择取优良网络的依据。仿真研究表明,所提混合策略是快速有效的,且能保证网络具有较好的推广性和抗噪声能力。     

Form and function of cat retinal ganglion cells.

Recent explorations of the morphology of retinal neurones, combined with neurophysiological recordings have made it possible to link specific anatomical types with particular physiological classes. At the same time, the relatively complete anatomical mapping of the retina has revealed some bias in the sampling of neurones by electrophysiological techniques.     

一种基于神经网络的网络设备故障预测系统

引入基于状态的维修技术,构建了基于多状态的在网运行设备故障预测模型.根据故障的严重性将预警等级划分为四层,对于不同的预警级别,分别构建神经网络.该模型解决了设备故障预测精度不高的难题,提升了基于多状态的故障预测能力.     

昆虫尾须感受器种类特征及其生理功能

尾须是昆虫重要的感觉器官,它与昆虫触角类似,表面分布着许多不同类型的感觉毛,这些感觉毛特化成各种类型的感受器,具有感觉外界环境变化的功能,在昆虫的繁殖、身体平衡等生命活动中起到非常重要的作用.根据尾须感受器形态大小及特征的分类研究,其感受器主要可分为丝毛形感受器、钟形感受器、矛形感受器、毛形感受器、刺形感受器、棒状感受...     

基于神经网络的智能DSS研究

决策支持系统(DSS)是综合利用大量数据、有机组合众多模型、通过人机交互、辅助各级决策者实现科学决策的系统。神经网络是由大量类似于神经元的处理单元相互连接而成的非线性复杂网络系统。它的应用涉及到模式识别、自动控制、优化计算和联想记忆、军事应用以及决策支持系统,特别是神经网络和决策支持系统结合可以实现推理系统的自适应并行联想推理及数据开采的自动化。将专家系统引入神经网络智能决策支持系统中是DSS未来的发展方向。     

交通噪声预测的神经网络模型

运用 Matlab语言编程 ,构造预测交通噪声的 LM算法 BP神经网络模型 ,把预测因子 (轻、重型车流量、平均车速、受声点距路肩距离、敏感点高差 )作为样本输入到网络模型 ,噪声等效声级作为样本输出 ,反复训练网络 ,通过增加隐含层节点数、改进算法 ,以降低误差 ,缩短训练时间。     

两电机同步系统的神经网络控制

在对两台感应电机同步系统模型分析的基础上,依据同步系统的结构特点和控制要求,结合人工神经网络的非线性映射、自适应、自学习等能力,提出一种新的基于神经网络的两电机同步系统控制方案,其中神经网络控制器由基于RBF网络整定的自适应PID控制器和神经元解耦补偿器两部分组成.两个自适应PID控制器分别对速度控制回路和张力控制回路进行自适应控制,使系统具有更强的适应能力、更好的实时性和鲁棒性;神经元解耦补偿器综合两控制回路的耦合作用,通过训练网络权值,补偿各回路之间的耦合影响,实现速度和张力的解耦.试验结果表明:采用神经网络控制方法可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能.