非高斯乘性噪声驱动下神经元系统的相干共振

为研究非高斯乘性噪声对神经元系统放电行为的影响,对Rulkov神经元模型进行了数值模拟。通过研究由非高斯色噪声诱导下神经元的放电时间序列,发现了非高斯乘性噪声强度和相关时间影响神经系统的放电行为;采用相干系数R进一步衡量放电行为的规则性,研究并论证了存在最优的噪声强度和相关时间使得相干共振R出现最小值。充分表明非高斯乘性噪声可以诱导神经元产生相干共振现象。     

分形高斯噪声驱动的神经元反馈模型中的随机共振现象

基于脑神经科学中的长程相关性和谱幂律形态的普遍性,使用分形高斯噪声建立了一类非线性神经元随机模型,研究了分形高斯噪声在非线性神经元模型中的增强信息传输作用。主要研究一般的反馈神经元模型中,加性分形高斯噪声诱导阈上随机共振现象发生的条件,满足一定条件的噪声强度和系统的Lipschitz条件的随机动力系统可发生阈下随机共振或阈上随机共振现象。理论和模拟结果都显示受分形高斯噪声激励的非线性神经元系统在二值输入的状态下互信息随着噪声强度的变化会达到最大值,并出现单峰状态,从而产生阈下随机共振和阈上随机共振现象。随机共振的现象发生与分形高斯噪声的Hurst指数有关。通过模拟,验证了分形高斯噪声可以增强神经元的信息传输作用。     

神经元中的随机共振及含燥周期方波脉冲信号的最优检测

理论研究表明，神经元用于含噪周期方波脉冲信号传输时存在随机共振现象，信号的占空比和神经元的阈值对随机共振的影响有一定的规律．同时，可获得大于1的信噪比增益，这是线性系统不能实现的，因而可将神经元的应用推广到非线性信号处理领域．在此基础上，对应用神经元实现含噪周期方波脉冲信号检测的最优条件和最优特性进行了分析．最后，通过仿其实验验证了理论分析的正确性．     

随机流体网络中的多维反射映射

多维反射映射的定义具有间接性,我们通过随机流体网络中的向量值来激发其定义。首先给出刻画流体网络的向量值,进而定义多维反射映射。     

神经元中的随机共振及含噪周期方波脉冲信号的最优检测

理论研究表明 ,神经元用于含噪周期方波脉冲信号传输时存在随机共振现象 ,信号的占空比和神经元的阈值对随机共振的影响有一定的规律 .同时 ,可获得大于 1的信噪比增益 ,这是线性系统不能实现的 ,因而可将神经元的应用推广到非线性信号处理领域 .在此基础上 ,对应用神经元实现含噪周期方波脉冲信号检测的最优条件和最优特性进行了分析 .最后 ,通过仿真实验验证了理论分析的正确性     

随机共振神经元利用噪声辅助进行信号传输特性分析

根据生物神经元是利用噪声通过随机共振机制进行信息处理的现象,以阀值神经元为例,采用香农第二定理,分析了双极性信号和白噪声通过由多个神经元串联或并联组成的系统的输出情况,从品质因数、传输长度等角度对多个神经元串联系统的输出特性随噪声强度变化进行了分析．实验结果表明：系统存在随机共振现象,即存在最优的噪声量可以最大限度地增强信息传输;串联时传输信息量随级数的增大而减小,并联时正好相反;噪声的分布形式只影响共振效应的强弱,而不影响系统的随机共振特性;均匀白噪声比高斯白噪声有更强的共振效应．从而说明了噪声对信息传输的积极作用．     

基于IF模型阈值神经元的随机共振

文章基于带阈值的积分放电模型,研究了神经元在背景噪声和周期信号驱动下的随机共振现象。利用镜像法得到峰电位时间间隔(interspike interval,简称ISI)的概率密度函数,通过数值积分得到平均ISI,数值模拟表明,ISI概率密度函数的峰值与噪声强度的关系曲线是非单调的,平均ISI关于信号频率的演化是非单调的。结果表明,在背景噪声和周期信号驱动下,动作电位的发放确实存在随机共振现象。     

随机轨迹模型中汉语连续语音识别基元的选取方案

在比较各种汉语语音识别基元的基础上,结合汉语语音和随机轨迹模型的特色,提出了以音素类单元作为汉语连续语音识别系统的识别基元．基于音素基随机轨迹模型的汉语连续语音识别系统的实验结果表明,该方案可行．     

FitzHugh神经模型中的阵列随机共振研究

研究了FitzHugh神经模型的加和网络中各个神经细胞内部噪声对非周期信号传输的影响,建立了非周期的阵列随机共振理论模型。通过理论分析和数值分析可以看出,神经细胞内部噪声对于神经网络信息流的传输起到了积极的作用,提高了输出信息与原始信息的相似性,使得输入输出的相关系数和增益出现了阵列随机共振现象。     

有向小世界网络上的随机共振行为

基于SANCHEZ提出的有向的小世界类自旋网络模型,研究了引入周期性磁场驱动后所引起的相变特征.研究表明,无论体系所发生的是连续相变还是一级相变都会出现双峰随机共振现象.     

基于离散时间观测的神经网络的随机镇定

主要讨论了离散时间观测下的神经网络的随机镇定.首先,通过使用伊藤公式、Gronwall不等式、Burkholder-Davis-Gandy不等式等,证明得到离散时间观测的神经网络随机镇定的条件.其次,利用数值例子来对结论加以证明.     

基于小波神经网络的期权定价模型

Black-Scholes模型所要求的假设条件在真实的市场条件下往往不能满足.提出了一种新的应用小波神经网络进行预测的欧式期权定价模型.将期权按钱性进行分类, 以一种新的加权的隐含波动率作为神经网络的输入变量,通过小波神经网络模型、BP网络模型和Black-Scholes模型来预测香港恒指买权的价格.实证结果表明,将一种加权的隐含波动率作为输入变量的小波神经网络模型优于Black-Scholes模型和其他神经网络模型.因此该模型可以更有效地预测欧式期权价格.     

饱和粘土本构关系的神经网络模型

基于不同应力中径下饱和粘土的三轴试验和反问题理论，提出了用改进BP神经网络和径向基函数（RBF）神经网络这两种方法来建立粘土的本构模型。实例分析表明，两种模型对具体本构关系都能够很好逼近和预测，比较起来，径向基函数神经网络模型的稳定性好，且逼近速度快，而改进BP神经网络稳定性好，但逼近速度过慢。     

基于内置式物理模型的人工神经网络纱线质量预测模型

-Sirolan—Yarnspec是由CSIRO在20世纪90年代研发并作为一个有效的纱线质量衡量工具在工业作用．最初的Sirolan—Yarnspec是一个理念模型，它基于纤维特性和纺纱工艺预测世界最好纱线质量．过去的几年来，工业界提出要求，希望能够建立工厂特殊预测模型．为此，本文使用人工神经网络建立纺纱预测模型。为了克服人工神经网络预测的不准确性，使用了一种新的方法，即在人工神经网络模型中嵌入Yarnspec理论中的物理知识．预测结果表明，经过物理知识优化后的人工神经网络的预测精度有明显的提高．     

Stability and Stabilization on Generalized Delay Stochastic Neural Network with Distributed Parameter

0Introduction Asiswellknown,thegeneralizedneuralnetworkandecologicalsystemdNidt=Gi(Ni)bi(Ni)-∑nj=1cijdj(Ni),i=1,…,n(1)CohenandGrossberg[1]putforwardisageneralmodel.Itin cludesbothmanyecologicalsystems,suchasLotka Volterraeco system,Gilpia Analgcompetitioneco system,Eingen Schustereco systemetc.,andHopfieldneuralnetworkaswellasthegeneralneuralnetwork.Therefore,thereisnodoubtthatitisofgreatvaluetostudythestabilityofthiskind ofsystem,whichnotonlyhasprofoundtheoreticalmeaningbutalsohaswide…     

基于人工神经网络模型的臭氧生成灵敏度预测

本文将臭氧生成灵敏度指标Φ=k_HC+OH［HC］/k_NOx+OH［NO_x］及其影响参数作为输入参数,建立了人工神经网络模型,预测了日本海利尻岛海洋大气边界层臭氧生成的控制因素及其灵敏度特征。预测结果与化学模式计算结果基本一致,证明文中所建立的人工神经网络模型具有较好的预测性能。研究结果表明,人工神经网络模型可以作为一个有效的工具用于对流层臭氧生成灵敏度特征的确定及相关的臭氧消除策略制定。     

基于双重竞争共振机制的模糊ART神经网络

提出了一种基于双重竞争共振机制的模糊ART神经网络模型．该模型将输入节点的竞争共振机制引入到输出类别节点,采用输入节点和输出节点双重竞争共振机制,形成了一种新的模糊ART结构,解决了传统模糊ART网络记忆不稳定问题．将该模型应用于图像分割,解决了传统模糊ART网络图像分割结果随警戒参数的升高而出现的过度分割．实验结果表明,和原始模糊ART算法相比,新算法具有更好的分类识别性能,在飞机目标识别中平均识别率比原始算法提高3％～5％．     

基于神经网络的水泥强度预测

由于水泥强度预测具有多变量、非线性、大时滞的特点 ,采用传统的线性回归分析预测法与聚类分析预测法 ,预测结果的准确性较低 ,文章利用神经网络的算法 ,建立了水泥强度的动量 -自适应神经网络预测模型。通过对有关数据进行实例计算 ,得到了令人满意的结果 ,该模型为水泥强度的快速预测提供了一种新方法 ,有较好的实用价值     

具有混合时滞的随机Hopfield神经网络的稳定性分析

讨论一类具有时变离散时滞和多时变分布时滞的随机Hopfield神经网络的均方鲁棒稳定性问题.假定激活函数既不可微也不严格单调,运用Lyapunov-Krasovskii泛函理论、随机分析理论和MATLAB中的LMI工具箱,推出系统渐近稳定的判别准则.最后通过数值例子论证该结果的有效性.     

神经网络车辆轮胎模型的分析与研究

轮胎力学特性的分析是研究车辆振动分析的基础,但使用经典的数学方法来解决非线性问题是很难实现的,因此我们论述把神经网络理论应用到汽车动力特性控制上,主要使用BP神经网络对汽车轮胎的力学特性进行建模分析．