Long-term motor cortex plasticity induced by an electronic neural implant

It has been proposed that the efficacy of neuronal connections is strengthened when there is a persistent causal relationship between presynaptic and postsynaptic activity. Such activity-dependent plasticity may underlie the reorganization of cortical representations during learning, although direct in vivo evidence is lacking. Here we show that stable reorganization of motor output can be induced by an artificial connection between two sites in the motor cortex of freely behaving primates. An autonomously operating electronic implant used action potentials recorded on one electrode to trigger electrical stimuli delivered at another location. Over one or more days of continuous operation, the output evoked from the recording site shifted to resemble the output from the corresponding stimulation site, in a manner consistent with the potentiation of synaptic connections between the artificially synchronized populations of neurons. Changes persisted in some cases for more than one week, whereas the output from sites not incorporated in the connection was unaffected. This method for inducing functional reorganization in vivo by using physiologically derived stimulus trains may have practical application in neurorehabilitation after injury.     

一类基于概率神经网络的语音识别模型

介绍了采用人工神经网络,特别是概率神经网络(PNN)技术进行语音识别的原理．提出了一类基于概率神经网络的解决元音识别问题的模型,并且通过一个试验,研究了用于语音识别的PNN模型中的参数设置．试验表明,该模型对于元音的识别具有较好的识别率．     

基于神经网络的主动式红外结冰探测

针对飞机机翼结冰的特点,提出一种新型的主动式红外结冰探测方法.该方法采用红外激光直接照射物体的结冰表面,通过物体结冰表面反射回来的激光回波能量提取不同入射角和观测角下结冰表面的反射系数,利用光电探测器接受不同观测角下的结冰表面激光回波能量,光电探测器将光信号转换成电信号,通过放大和滤波电路对信号进行处理,经过A/D转换输入到计算机进行进一步的处理和分析.运用神经网络方法对其进行分类,最后给出物体表面结冰程度的信息.     

基于神经网络技术的结构损伤探测

理论分析表明,工程结构损伤前后的固有频率的变化包含了结构损伤位置和程度的信息,在此理论基础上,构造了改进型BP神经网络的输入参数,分别对一个框架模型和一个桁架模型进行了损伤数值模拟计算,首先提取结构固有频率的变化,对神经网络进行训练,然后分别对结构的损伤位置和损伤程度进行识别,计算分析结果表明,该方法在结构损伤检测中具有较好的识别效果。     

基于神经网络技术的干散货运价指数预测

在考虑了干散货运输需求、干散货船舶供给以及干散货船舶闲置等对运价指数影响的基础上,采用神经网络技术对月度干散货指数进行了研究,并且与基于ARCH模型和多元线性回归模型的预测进行了对比研究,结果表明从提高预测精度的角度来说神经网络技术是最优的.     

应用神经网络技术诊断钻井事故

针对钻井过程的复杂性、不确定性等特点,提出了基于人工神经网络钻井事故预测与诊断模型.以钻井过程工况参数构成神经网络的输入特征向量,以钻井过程正常运行模式及常见事故模式的监测数据作为训练及检验样本,根据钻井事故诊断特点,确定了神经网络的结构与参数,采用改进算法和学习规则,实现对神经网络系统的训练和模拟,建立能够准确预测事故的神经网络模型.该方案的提出可使现场工作人员及时监测钻井过程,降低事故发生率,节约钻井成本,提高效率.     

神经网络在多传感器多目标跟踪中的应用

首先研究了基于粗关联和精关联过程的多传感器多目标(MSMT)跟踪融合算法,精关联是联合概率数据关联(JPDA)算法的推广,JPDA算法存在随传感器数和目标数的增加而计算量迅速增加的缺点;其次提出了一种基于神经网络的MSMT联合概率数据互联(MNJPDA)算法,MNJPDA算法能克服计算量爆炸问题,基于MNJPDA的融合算法能提高跟踪的快速性．仿真结果证明了MNJPDA融合算法的有效性．     

利用修正的BP神经网络进行框架结构损伤诊断

提出了一种基于修正的BP神经网络方法的结构损伤诊断方法，该方法通过基于误差曲面调整权值以及引入动量因子算法来避免出现局部极小，并通过自适应调整学习速率来提高学习效率，从而解决了传统BP神经网络在实际应用中存在的收敛速度慢和存在局部极小的问题。算例表明，该方法能够不仅较为准确的检测出结构的不同程度损伤，而且提高了计算效率，同时具有较强的鲁棒性。     

利用修正的BP神经网络进行框架结构损伤诊断

提出了一种基于修正的BP神经网络方法的结构损伤诊断方法,该方法通过基于误差曲面调整权值以及引入动量因子算法来避免出现局部极小,并通过自适应调整学习速率来提高学习效率,从而解决了传统BP神经网络在实际应用中存在的收敛速度慢和存在局部极小的问题.算例表明,该方法能够不仅较为准确的检测出结构的不同程度损伤,而且提高了计算效率,同时具有较强的鲁棒性.     

辅助式小波神经网络的调制识别技术

将小波特征提取和反向传播神经网络理论相结合，设计一种辅助式小波神经网络结构，根据接收到的调制信号进行抽样后，将所提出的辅助式小波神经网络用于几种调制信号的识别，实验结果表明，辅助式小波神经网络的鲁棒性能好，对调制识别技术的正确识别率高．     

基于神经网络的船舶轴频电场特征控制实验

任分析实验室船模轴频电场和海洋实测船舶轴频电场信号与环境电场数据的基础上,利用径向基神经网络预测模型对轴频电场信号进行控制．先对信号进行测量,在合理设置训练集与目标集的基础上建立预测模型,得到预测值后在下一时刻利用电极在场源处反向输出该预测值,以达到减弱特征信号的目的．通过对实验室与海洋实测船舶轴频电场数据进行处理,结果表明：用该方法能对船舶轴频电场信号特征进行有效控制,使幅值减小到原信号的30％以下．     

一种基于优化小波神经网络的语音识别

在以往的BP小波神经网络中,最常用的学习算法是BP算法,BP算法实质上就是梯度下降法,是一种局部搜索算法,梯度下降法使得网络极易陷入局部最小值,从而使得网络训练结果不尽人意,搜索成功概率低.取代传统的梯度下降法,利用粒子群算法对小波神经网络中的参数进行优化.然后利用基于粒子群优化(PSO)的小波神经网络进行抗噪声语音识别实验,仿真结果表明,与BP网络相比,PSO算法在迭代次数、函数逼近误差、网络性能方面均优于BP网络,系统的识别率也得到较大的提高.     

LAMOST有限元模型的径向基网络修正法

天文学的发展要求望远镜的口径越来越大,对其建立有限元模型进行动力学分析已成为必要步骤.为了保证理论分析结果符合实际,必须对有限元模型进行修正.针对大望远镜模型修正的难点,提出一种基于径向基神经网络的含有隐藏变量的改进迭代法.首先建立了LAMOST空间桁架和平衡系统的有限元模型.其次从实际出发,讨论了神经网络输入输出的选择方法.用有限的数据信息修正误差大的参数,而小误差参数作为神经网络的隐藏变量,可看作噪声而不予修正.采用均匀设计法获得神经网络的训练样本集,减小了计算量.然后在网络迭代求解过程中,每次在输出参数的附近增加均匀分布的若干个样本,而不是输出参数的单独一个样本,可防止网络性能突然变差,改善泛化特性.最后,悬臂梁和望远镜桁架仿真结果表明,含有隐藏变量的神经网络仍然能够收敛.用实测数据修正了LAMOST的平衡系统,表明了该方法的可行性和有效性.     

基于深度卷积神经网络的人体动作识别

针对人体动作识别问题,提出一种基于智能手机加速传感器数据并运用深度卷积神经网络进行分类识别的方法,可以有效地分类人体的走、坐、躺、跑、站五类动作.该方法模型由输入层、两层卷积层、两层池化层、一层全连接层和输出层组成,使用滑动窗口折叠法将传感器数据变换为类似于三通道的RGB图像格式,自动提取加速传感器数据的特征,对各个动作进行分类,免去了传统方法繁琐的特征提取工程.该方法在Actitracker开源数据库上达到了0.912 6的识别率,验证了该方法的可行性.     

基于脉冲耦合神经网络的指纹识别方法

脉冲耦合神经网络(PCNN)是基于猫视觉原理构建的一种简化的神经网络模型,它的点火时刻序列图包含了局部图像的灰度分布信息和相邻像素之间的几何信息,这恰是纹理图像的特征所在.基于这种特性,该文提出一种把PCNN的点火脉冲信号总和通过傅里叶变换的新的模式识别方法.最后给出了部分指纹图像仿真实验的结果,以验证该方法的有效性.     

人工神经网络用于核电站松动件定位技术

为了提高核电站松动件故障诊断的能力 ,结合时频变换理论和神经网络理论 ,提出了对松动件碰撞位置进行估计的新方法。通过对安装在反应堆压力壳上的多个加速度传感器的信号进行采集 ,并经过信号预处理、时频变换、神经网络计算等过程 ,实现对核电站松动件碰撞位置的定位。经过对 10 0多次实验数据的学习 ,发现神经网络计算结果能够满足核电站松动件定位精度要求。该方法适用于复杂连接结构、以及复杂几何曲面装置的松动件定位问题 ,减少了人为因素的影响 ,具有比较高的自动处理功能和定位精度     

并行BP网络对CSTR的故障诊断

随着现代工业及科学技术的迅速发展,神经网络特别是BP网络广泛地应用于故障诊断中.作者用并行的BP神经网络来代替单个的BP网络,这样可以提高故障诊断的准确率,尤其是在故障类别很多的情况下.把此方法应用于CSTR中,准确性更高.     

Discovering Frequent Subtrees from XML Data Using Neural Networks

By rapid progress of network and storage technologies, a huge amount of electronic data such as Web pages and XML has been available on Internet. In this paper, we study a data-mining problem of discovering frequent ordered sub-trees in a large collection of XML data, where both of the patterns and the data are modeled by labeled ordered trees. We present an efficient algorithm of Ordered Subtree Miner （OSTMiner） based on two- layer neural networks with Hebb rule, that computes all ordered sub-trees appearing in a collection of XML trees with frequent above a user-specified threshold using a special structure EM-tree. In this algo- rithm, EM-tree is used as an extended merging tree to supply scheme information for efficient pruning and mining frequent sub-trees. Experiments results showed that OSTMiner has good response time and scales well.     

基于神经网络的Wiener系统故障检测方法

针对一类线性部分严格正定且非线性部分可逆的Wiener模型,提出了基于神经网络参数估计的系统线性部分故障检测方法.引入卡尔曼滤波器滤除系统未知干扰和噪声,并将Wiener模型转化为ARMA模型,计算得到线性部分参数;神经网络在线估计系统线性部分的参数,通过参数估计值与实际值的比较检测系统故障.仿真实例证明了该方法的正确性和有效性.