H-R神经元的正弦函数-延迟反馈反控制

目的研究单个Hindmarsh-Rose(H-R)神经元模型从周期动力学模式转向混沌模式的自适应反控制问题。方法利用施加正弦函数延迟自反馈方法进行数值模拟分析,分别将耦合强度和时间延迟作为控制参数。结果通过大量的数值模拟计算,给出神经元的膜电位变量随耦合强度和时间延迟两个参数变化的分岔图,发现在耦合强度值和时间延迟两个参数组合的一些范围内,本来是3峰周期动力学模式的H-R神经元运动可被反控制成混沌模式及其他周期模式的运动。结论对H-R神经进行反控制的正弦延迟自适应反馈法是有效的,耦合强度和时间延迟均为反控制的重要参数。控制过程反映了神经独有的自适应的信息识别的动力学特性。

延迟-星形连接H-R神经网络的同步

利用施加时间延迟耦合项的方法,研究Hindmarsh-Rose(H-R)神经元在星形连接网络下的同步情况。分别将耦合强度与时间延迟作为控制参数,探讨4个H-R神经元在星形连接网络下的理想同步情况,给出能实现同步的耦合强度和时间延迟的取值范围。研究发现H-R星形网络具有独特的同步现象。

《科学》教学中如何培养学生的提问能力

心理学家研究证明，思维永远是由问题开始的，而创造潜能往往就是在排疑解难的过程中被激发出来的。古往今来，无数事例证明，能发现问题、提出问题的人往往闪烁着智慧的火花。如瓦特发明蒸汽机，牛顿发现万有引力等无不起源于质疑问题。爱因斯坦说过：“提出一个问题往往比解决一个问题更重要。因为解决一个问题也许是一个教学经验或实践上的一个技巧而已，而提出新的问题、新的可能性、从新的角度看旧的问题，却需要创造性的想力。而且标志着科学的真正进步。”因此，提高学生的提问能力，是培养学生创新意识的起点。

延迟自反馈控制Hindmarsh-Rose神经元的混沌运动

利用线性时间延迟自反馈方法,研究单个Hindmarsh-Rose(H-R)神经元模型混沌动力学模式的控制问题.分别将增益因子和时间延迟作为控制参数,通过数值模拟分析,发现在增益因子和时间延迟两个参数组合的一些范围内,混沌动力学模式的H-R神经元运动可自动被控制成时间间隔意义上的单峰、2峰、3峰及4峰的周期或多倍周期模式.延迟时间的选取并无特别要求,不必和嵌入在混沌吸引子内的某不稳周期轨道的周期相同,延迟控制自适应地引导混沌轨到相应的放电峰峰间隔的周期模式上.