突触信号传导的动态饱和模型研究

对一类动态饱和突触神经模型中信号传导性质进行了研究.模型的动态过程采用高阶Milstein随机微分方程解法进行求解,其信号输入输出特性用集平均互相关系数进行衡量.集平均互相关系数的数值分析结果表明,适宜的噪声能够增强信号传导,并且通过调节饱和势比值大小和突触神经群体数目,观测到噪声增强信号传导的非线性现象更加显著.     

自适应脉冲耦合神经网络在图像处理中应用

尽管Johnson 提出的PCNN模型具有强大的图像处理功能,以时间序列进行特征提取时具有旋转、尺度、平移、扭曲不变性,可实践中发现依然存在着不足,特别对图像亮度、对比度比较敏感.添加了误差反向传播(Error Back Propagation, EBP)学习准则的自适应脉冲耦合神经网络模型能自适应设定模型参数,是脉冲耦合神经网络模型研究的主要内容.特别地,应用这种自适应模型进行特征提取时,能弥补原来PCNN模型对亮度、对比度敏感的缺陷,而且具有一定的泛化能力,有效克服了亮度、对比度对图像识别精度的影响.     

基于遗传算法的脉冲耦合神经网络自动系统的研究

Eckhorn等人提出的脉冲耦合神经网络(PulseCoupledNeuralNetwork,以下简称为PCNN)在图像处理中得到了十分广泛的应用,但是其多个参数的设置给实际应用造成了很大的困难。尤其是在图像分割中,不同类型的图像要求不同的分割参数,不同的参数对图像分割结果影响很大。而遗传算法具有对参数自动寻优的优势,为此,将其和PCNN相结合提出了一种基于遗传算法的PCNN自动系统的实现方案,并应用于图像分割。分割试验仿真结果验证了该自动系统方案的正确性和可信性,即不仅可以实现正确的图像分割,而且参数可以自动设置省去了人工试验的麻烦,同时分割速度也有所提高。     

脉冲噪声下基于NAT函数的LFM信号参数估计

针对传统的线性调频(linear frequency modulation,LFM)信号参数估计方法在脉冲噪声环境中无法准确提取参数信息的问题,设计了两种非线性幅值变换函数(nonlinear amplitude transformation,NAT),即attenuation-NAT (A-NAT)函数与increa...     

基于脉冲耦合神经网络的Live wire新方法的仿真研究

提出了一种基于脉冲耦合神经网络(PCNN)的Live wire分割新方法,Live wire方法是把图像当作一个连通图,在边上定义一个代价函数,然后通过搜索最短路径来找物体的边界,把用户指定的物体边界上的两点之间的最短路径当作物体的边界。最短路径是Live wire方法的重要步骤,本文在介绍脉冲耦合神经网络的基本工作原理和特性的基础上,将改进的脉冲耦合神经网络算法引入到Live wire边缘检测的算法中,用于最短路径算法的研究。并在改进算法中应用路径封锁和在线训练来提高算法的准确性和应用性。     

噪声中弱相参脉冲列信号的一种检测方法

本文首先建立了一种广义的局部最优检测器(LOD)模型和准则,据此导出了一种窄带非Gauss噪声中确知相位相参脉冲序列弱信号的局部最优检测方法,采用Pitman的渐近相对效率(ARE)作指标研究了这一LOD的渐近性能,在Weibull和对数正态分布的噪声模型中对上述LOD的ARE作数值计算,从而获得一些有意义的结论。     

基于带宽剩余率的脉冲耦合神经网络最短路径算法

利用脉冲耦合神经网络（pulse coupled neural network, PCNN）寻找最短路径是一种非确定性算法,运算的复杂度只和最短路径的长度有关,和路径图的复杂程度无关。已有的PCNN最短路径算法只考虑路径长度,而未考虑其他参数,如带宽和时延等。这里除了考虑路径长度,同时考虑实际中带宽剩余量对网络的影响,提出了一种基于带宽剩余率的最短路径算法,用带宽剩余率参数来控制神经元阈值,寻找最短路径。仿真结果表明,该算法可以寻找到全局最优解。     

基于改进的RBF模糊神经网络滤波的噪声消除

改进RBF模糊神经网络前件和后件的结构和学习算法，克服了RBF模糊神经网络模糊规则冗余的缺点。利用该系统对舍噪声的非线性信号逼近，达到消除噪声的目的。同时，应用该系统对地震信号进行滤波处理仿真，结果表明改进后的RBF模糊神经网络具有学习算法简单，计算量小，实时性好，而且能有效地抑制噪声。     

基于小波变换的脉冲信号在线检测器设计与仿真

利用小波变换理论在信噪分离方面的优点,设计出一个在有限时间内的不规则观测数据中,实时地检测出脉冲信号的检测器。并对小波函数为墨西哥帽型函数时检测器在各个时段的理论输出进行了详尽的分析。仿真结果表明,该检测器不但对理想的脉冲信号检测无误,而且能对含有有色噪声、信噪比较低的脉冲信号进行准确的识别。该信号检测器已成功应用于钢丝绳张力检测系统的数据传输电路中。     

非正弦波雷达信号的分辨力耦合研究

单个的非正弦波脉冲没有测速能力,但一组这样的脉冲即可进行速度测量,并且速度分辨力由距离分辨力决定。而天线的时空相干性又表明,非正弦波信号的空间位置影响其时域波形,反过来,距离分辨力也影响角度分辨力。距离、速度和角度的三维耦合关系导出了非正弦波雷达信号波形、天线和接收机联合设计的新思路。     

基于信号流图的动态神经网络在线学习算法

复杂的链式规则求导计算是动态神经网络在线学习算法中梯度向量计算的主要瓶颈,针时这一问题,根据P.Campolucci等人提出的动态系统梯度信息信号流图分析方法,设计了动态神经网络的在线学习算法,该算法可以直接从网络的信号流图及其伴随流图中获取目标函数关于网络参数的梯度信息,从而简化了算法梯度向量的计算.为了确保算法的稳定,根据Lyapunov稳定性定理,提出并证明了可以保证算法收敛的自适应学习速率,并且学习速率容易获得.利用NARX神经网络对非线性动态系统在线辨识的仿真实例也表明了本算法的有效性.     

刺激引起的小世界生物神经网络同步

同步现象广泛存在于脑神经活动中.本文构造了一个具有小世界连接特性的生物神经网络,数值模拟研究了外加刺激频率引起的放电同步现象.同时考虑网络结构对同步的影响,取网络耦合强度作为参量来研究它对网络同步的影响.研究发现,在某一个特定的共同外加刺激频率下,生物神经网络会出现尖峰同步放电现象.当网络的耦合强度增大时,使网络产生同步现象的频率点将会逐步增多.仿真结果表明不同的生物神经网络结构对输入信号的频率具有不同的选择性.     

BP神经网络模型的改进

本文在深入研究ＢＰ神经网络模型的基础上，提出了对该模型的若干改进技术处理方法，并通过仿真试验．实践表明，这些改进和技术处理方法是有效的．     

计算机机箱的电磁脉冲耦合模拟仿真

强电磁脉冲能量通过小孔、缝隙等耦合到计算机机箱内,会对计算机产生干扰和破坏作用。本文应用时域有限差分法模拟了电磁脉冲对计算机机箱的耦合透入过程,通过分析机箱中电磁场和电磁能量随时间的变化曲线,得出了机箱中电磁脉冲的耦合变化特征。电磁脉冲对计算机机箱的耦合模拟计算可用于指导计算机系统的电磁兼容、干扰和防护研究。     

基于IEEE 802.15.4a信道的超宽带脉冲信号仿真研究

针对超宽带通信技术在远距离、低速率、精确定位方面的应用,对超宽带脉冲信号波形设计和特性进行了研究。采用了优化组合的方法进行了超宽带脉冲信号设计并对其性能进行了研究。通过仿真计算,分析了超宽带脉冲信号在IEEE 802.15.4a信道中的传播特性,得出了信道对脉冲信号影响的相关结论。结果表明,采用优化组合方法设计的超宽带脉冲信号能满足FCC辐射掩蔽标准要求,IEEE802.15.4a信道模型能较好的反映信号传播的基本规律,多路径信道对超宽带信号功率谱影响不大,超宽脉冲带信号具有抗多径干扰能力强的特点,适合低速率无线个域网、精确定位等领域的应用。     

基于递归神经网络的基因调控网络稳定性分析

基因调控网络是一类复杂的非线性动力学系统,其稳定性分析在生命科学研究中发挥着重要作用。基于递归神经网络所具有的较强的建模能力,建立了一类新的时滞基因调控网络模型。根据模型的特点构建合适的Lyapunov-Krasovskii函数,并借助线性矩阵不等式技术与S-方法推导出使得网络全局渐进与指数稳定的充分性条件,最后通过实例验证了此方法的有效性。     

基于非线性自适应神经网络的柴油机振动信噪分离

根据柴油机振动信号非平稳性的特性 ,应用非线性自适应神经网络的方法对柴油机振动信号进行信噪分离 .应用结果表明 :该方法的效果好于用神经网络方法进行信噪分离的效果.     

仿真转台的神经网络复合控制

介绍了一种神经网络复合控制方法，即在不抛弃众多工程技术人员所熟悉的经典控制方法的基础之上，采用神经网络控制来处理系统中的各种非线性及不确定性。给出了神经网络的迭代算法，讨论了系统的稳定性问题，并将该方法应用于高精度三轴飞行仿真转台的实时自适应控制中。实验结果表明了该控制方法的有效性。