基于神经元控制的交流传动系统的研究

针对交流传动系统的特点，提出了基于神经元控制算法，仿真结果表明，该系统不仅具有满意的动态特性，而且又具有较强的鲁棒性与自适应性。     

人工神经元网络的研究现状与展望

人工神经元网络是在现代神经科学研究成果的基础上提出的用来模拟人脑功能基本特征的一门研究学科,它不是人脑神经元网络的全面、真实描述,而是这种网络的某种抽象、模拟和简化。研究这一技术的目的在于探索人脑信息加工、存贮和搜索的机制,从而为人工智能与信息处理等学科的研究开辟一条新的技术途径。本文着重介绍了人工神经元网络的研究概况、典型模型和实际应用,展望了未来人工神经元网络的研究与发展。     

一种神经元网络控制器及仿真

该文给了了一种自适应神经元的控制方法，设计了神经元网络作为控制器的智能控制系统，给出了学习规则，在交流伺服系统中的仿真结果表明了此方法的有效性及优越性。     

多电机同步控制建模与仿真

采用偏差耦合控制结构控制4台永磁同步电机同步运动时,由于控制器结构复杂,计算量大,而且传统的PID控制算法不能在线实时调整参数,动态响应慢。因此,对4电机同步运动控制结构和控制算法进行改进,采用环形耦合控制结构和免疫单神经元PID控制器控制整个同步运动系统。仿真结果表明:该控制结构复杂度低,跟踪性能和稳态性能良好,抗干扰性强。     

神经网络受损对神经元放电模式及同步行为影响的研究

以Hindmarsh-Rose(HR)神经元模型为节点构建一个环状耦合的神经网络,考察网络受损后对其放电模式及同步行为的影响.研究发现,当神经网络正常时,神经元具有较好的接收和输出信息的性能,合适的耦合强度可以调节体系的放电模式和同步行为.而当网络中出现一定程度的损伤时(包括部分神经元或突触连接受损),均会导致神经元的接收或输出信息的性能减弱,从而引起体系中神经元放电模式和放电频率发生改变,体系的同步程度降低.上述研究结果表明神经网络受损将影响神经元的放电活动,并导致网络的异常同步行为,从而为揭示神经性疾病的形成机理提供一定的理论解释.     

基于改进单神经元梯度学习的无线网络主动队列管理

考虑传统网络拥塞控制忽略了网络拥塞的持续状态, 引入将数据包到达链路速率作为控制器输入的方案, 得到一种改进单神经元梯度学习(improves single neuron gradient learning, ISNGL)的主动队列管理算法. ISNGL 算法采用梯度学习动态调整网络参数, 并在此基础上对收敛速度和稳定性加以改进, 提出带有位移参数的新激活函数和带有权值调整的动量项的改进方法, 最后通过 NS2 网络仿真软件在无线网络的拓扑模型上进行仿真分析, 结果表明 ISNGL 算法在无线网络环境下拥有良好的拥塞控制能力.     

前馈神经网络的一种连续型学习算法

本文给出前馈神经网络的一种连续型学习算法，对传统的ＢＰ算法作了改进。分析了该算法的收敛性。通过实例与传统ＢＰ算法进行比较，该算法可以明显提高网络的收敛速度，说明它是一种实用的学习算法。     

听觉离皮层系统对声信号处理的调制作用

听皮层可以通过直接和间接的传出纤维分别投射至内膝体、下丘以及以下的各听中枢核，这些投射形成了一个平行的多回路的反馈系统，动物体可以通过这个系统来提高对声信息的处理。实验证明，此系统主要通过“自我为中心”(egocentric)的易化和侧抑制方式来实现上述功能，同时自我中心选择作用也是听皮层可塑性的功能基础。     

无刷直流电动机自适应神经元模糊控制系统

针对电动汽车用无刷直流电动机负载波动较大的特点,采用自适应神经元模糊控制策略设计自适应神经元模糊速度控制器,以此提高系统抗负载变化的能力.模糊逻辑控制能够有效地利用语言信息,其控制规则容易表达,可用单神经元的在线学习能力实时调节模糊逻辑变量的权系数,利用离线学习能力补偿传统模糊逻辑控制所产生的系统偏差.理论和仿真研究表明,据此设计的控制系统具有较强的带负载能力和很好的抗负载变化能力,达到了预期控制效果.