神经网络反传模型的理论与应用研究体会

神经网络及神经计算的新理论，模型，方法及应用受重视，并用于解决某些诸如模式识别，组合优化，语言理解等复杂问题，得到系列可喜的理论成查与实际应用。我们业已将神经网络反传模型应用于多元校正，有机合成，模式识别，构效关系及分子设计等方面。     

从蓝脑计划到人脑计划:欧盟脑研究计划评介

正最近欧盟和美国分别启动和准备启动耗资巨大的两个脑研究计划——"人脑计划"和"尖端创新神经技术脑研究计划"。本文介绍欧盟人脑计划的背景、目标、内容及方法,也介绍学术界对此的见解和争议。关于脑和心智的研究已成为对当代科学最大的挑战之一。2000年,诺贝尔生理学或医学奖得主埃德尔曼(Gerald M.Edelman)说:"脑科学的知识将奠定即将到来新时代之基础。凭这些知识我们可医治大量疾病,建造模仿脑功能的新机器,而且更深入地理解我们自己的本质以及我们如何认识世界。""心智的生物学研究在21世纪的地位,正相当于基因研究在20世纪的地位,这已成为当前科学界的共识。"2013年春季,欧盟和美国分别启动和准备启动耗     

一种量子神经计算网络模型

量子计算以其独特的计算性能引起广泛瞩目,人们越来越多地探讨它与传统计算模式的结合．研究以通用量子逻辑门组(即相移门和受控非门)作为计算基函数,构造新的量子神经计算网络模型．仿真结果显示,就算例而言,该量子神经计算网络的性能优于传统的神经网络．     

实时动态闭环电生理硬件在环平台设计与实现

神经系统电刺激已经成为一种日益重要的神经科学机制探索工具和基本神经系统疾病的治疗手段，但基于期望响应的刺激信号获取需要大量的重复性实验．而且生理实验存在伦理性问题，基于纯软件仿真的电生理实验难以复现对应模拟量信号．利用硬件在环平台获取期望响应的最优刺激可解决上述问题，因此本文设计并实现了一个实时动态闭环电生理硬件在环平台，基于平台可以实现神经系统电生理，通过神经调控策略获取刺激信号，进行神经系统的刺激机制探索和基本神经调控手段的优化．本文设计的平台包括硬件回路和图形用户界面，其中硬件回路主要在数字信号处理器上构建，实现了人工神经系统和闭环控制器的片上集成；上位机图形用户界面的开发实现了人机交互，用户可根据需要进行不同模型、控制算法的闭环电生理实验．基于该平台，本文实现了皮层-基底核-丘脑回路神经网络的实时硬件计算，并获得了期望网络状态的刺激信号．结果表明，相比于I5-8400中央处理器的仿真模拟，该实时动态闭环电生理硬件在环平台可将神经元网络状态的高速计算提升近40倍．而且平台实现的迭代学习控制策略可进一步缓解传统比例积分闭环电生理实验中参数整定的难度，有效提高刺激信号的调控精度．     

Boole函数的稳健线性可分及其计数

Ｂｏｏｌｅ函数的线性可分和线性不可分问题，一直是前向人工神经网络的一个比较困难的问题，目前仅对变量数ｎ＜７的线性可分问题给予过讨论。本文基于简化问题讨论和优化问题的解的思想，提出了稳健分类复杂度的概念，并对Ｂｏｏｌｅ函数稳健分类复杂度为１的稳健线性可分问题，提出了对这类Ｂｏｏｌｅ函数进行计数的方法，并给出了计数结果     

基于知识的神经计算模糊逻辑方法

人工神经网络（ANNs）作为强大的计算工具，应用于分类、模式识别、函数逼近和生物神经网络建模等领域。人工神经网络具有从实例中学习的程序，它们可以解决那些还不知道算法解的难题。但是，     

模糊神经网络自学习控制器及其应用

本文提出了一种模糊神经网络自学习控制方法，并介绍了采用多层神经网络表达模糊控制的知识规则、模糊推理和学习算法。经实验仿真结果表明这种控制方案可改善具有时变及大纯滞后系统的控制品质，其性能优于一般模糊控制。     

神经计算的满意解原理

人脑之所以比传统电脑聪明，决策判断反应速度快，除了熟知的神经网络巨量并行分布布理机制外，还有一个主要原因，就是它寻求的是满意解，而不是最佳精确解。