基于SOA的光子脉冲LIF神经元研究

脉冲神经网络与传统人工神经网络相比,具有硬件友好性和低能耗的优点。而光子脉冲神经网络与电脉冲神经网络相比具有速度快、能耗低、传输容量大和抗电磁干扰能力强等优点。基于半导体光放大器(SOA)设计了一种新的光子脉冲神经元模型—LIF(泄漏积分与发射)模型,实现了信号的加权、延迟、积分和阈值判决等功能,并在此基础上探索了该LIF模型在数字逻辑中的应用。实现了基于该模型的“异或”逻辑功能,并改进了一种具有兴奋性和抑制性神经元,通过光通信仿真软件得到LIF模型、“异或”逻辑和具有兴奋性和抑制性神经元良好的输出。

一种基于单层逻辑神经元网络的通用自适应模式识别系统

本文首先分析了组成单层逻辑神经元网络(SDLN)的逻辑神经元与McCulloch-Pitts 神经元之间的差异,指出了逻辑神经元可用二值逻辑设备(如RAM)实现的特点.其次,讨论了基于SDLN的通用自适应模式识别系统的结构和工作过程.

重新找回人工智能的可解释性

针对深度神经网络 AI研究的可解释性瓶颈,指出刚性逻辑(数理形式逻辑)和二值神经元等价,二值神经网络可转换成逻辑表达式,有强可解释性。深度神经网络一味增加中间层数来拟合大数据,没有适时通过抽象把最小粒度的数据(原子)变成粒度较大的知识(分子),再把较小粒度的知识变成较大粒度的知识,把原有的强可解释性淹没在中间层次的汪洋大海中。要支持多粒度的知识处理,需把刚性逻辑扩张为柔性命题逻辑(命题级数理辩证逻辑),把二值神经元扩张为柔性神经元,才能保持强可解释性。本文详细介绍了从刚性逻辑到柔性逻辑的扩张过程和成果,最后介绍了它们在 AI研究中的应用,这是重新找回 AI研究强可解释性的最佳途径。

TMLNNs：三值／多值逻辑神经元网络

本文提出了具有三值／多值逻辑表达能力的神经元模型（ＴＭＬＮ），即三值／多值＂逻辑与＂神经元（ＴＭＬＮ－ＡＮＤ）和三值／多值＂逻辑或＂神经元（ＴＭＬＮ－ＯＲ）．由这种逻辑神经元连接而成的多层神经网络（ＴＭＬＮＮｓ）能够实现三值／多值逻辑推理系统．本文还给出了ＴＭＬＮＮｓ的学习算法．从ＴＭＬＮＮｓ网络中容易抽取到三值／多值逻辑规则知识，可以将ＴＭＬＮＮｓ用于三值／多值逻辑规则知识的自动获取．ＴＭＬＮＮｓ模型为神经网络表示逻辑知识提供了理论基础．

截断斜坡函数多值逻辑神经元

基于截断斜坡函数实现方便和多值逻辑变量信息含量高的特点 ,提出了一种多值逻辑神经元 ,并给出了相应的训练方法和电路实现方案。该神经元可应用于模式识别、降低神经元网络中的神经元数量和提高训练速度。

模糊逻辑神经元研究进展

模糊逻辑神经元作为模糊神经网络的重要组成部分,一直以来备受关注,从模型设计到算法研究,成果颇多。以往的研究多集中于模糊逻辑神经元在某一方面的应用模型、性质和算法,具有突出的针对性和特殊性;而今的研究多立足于构造一种能够包容各种逻辑形态的通用神经元,以体现思维的灵活性和多样性,进而提高神经元的推广和应用价值。针对当前模糊逻辑神经元的研究进展做了综述,分析了前后两类不同模型的典型结构及特点,并明确了未来的发展方向。

基于自校正模糊神经控制的无刷直流传动系统

提出了一种自校正模糊神经网络控制器（ＳＣＦＮＮＣ）来实现无刷直流电动机起动、调速、制动等各运行阶段的性能指标．该ＳＣＦＮＮＣ是采用调整系统增益参数的方法完成较完善的控制规则的．重点研究了系统自校正增益参数的确定方法，模糊控制器的设计，人工神经网络实现模糊控制规则的方法等．自校正增益参数是根据系统对超调量、转速稳态误差、动态速降的期望值来确定的．设计模糊控制器时是根据系统的性能指标，确定出合适的模糊控制规则表，用于训练神经网络．为使系统的性能达到最佳，采用了自校正模糊神经控制、开关控制和比例控制相结合的复合控制方法，通过数学仿真证实配备ＳＣＦＮＮＣ的系统具有优良的动、静态特性，及较强的鲁棒性．

超声电机驱动的机器人的模糊神经网络控制

超声电机的小质量、大转矩、响应快等特点,是其成为小型直接驱动机器人执行器的基础。通过对超声电机的伺服特性研究及关节型机器人动力学分析,提出了超声电机驱动的机器人的模糊神经网络控制的复合控制方法,该方法中,模糊子控制器实现了关节定位的初步控制,神经网络子控制器起到降解稳态误差、提高控制精度作用。文中较详细地研究了复合控制器的结构及两个子控制器的设计问题。为了检验控制效果,对控制系统进行了仿真,结果表明,采用这种复合控制器可获得较高的位置精度。

参龙汤对脑缺血大鼠血管内皮生长因子表达的影响

目的观察参龙汤对脑缺血大鼠的脑保护作用及对血管内皮生长因子(VEGF)表达的影响。方法利用双侧颈总动脉结扎的方法制备慢性脑缺血模型,50只大鼠分为假手术组、模型组、脑复康组、脑缺血加参龙汤大、小剂量组。造模以及药物处理4周后,进行各组大鼠神经功能缺失状态评分及大鼠海马区VEGF阳性细胞表达检测。结果模型组大鼠神经功能缺失症状明显,与假手术组比有显著差异。参龙汤能改善脑缺血大鼠神经功能缺失症状,参龙汤大剂量组与模型组相比有显著差异。模型组大鼠海马区VEGF阳性细胞表达明显减少,参龙汤大剂量治疗组大鼠海马VEGF阳性细胞表达增加,与模型组比面积大、颜色深,平均光密度值与模型组比差异有统计学意义。结论参龙汤对双侧颈总动脉结扎脑缺血大鼠有脑保护作用,能改善大鼠神经功能缺失症状,其作用机理与增加VEGF的表达有关。

PLN网络的改进及其应用

本文在分析概率逻辑神经元（ＰＬＮ）网络原型存在不足的基础上，提出ＰＬＮ元件的一个改进模型，并指出原来的ＰＬＮ网络模型、Ｈｏｐｆｉｅｌｄ学习律以及Ｂｏｌｔｚｍａｎ机的演化律等都是ＰＬＮ网络改进模型的特例．文中还给出ＰＬＮ网络改进模型在联想记忆应用中的模拟实验结果，说明改进模型无论在鲁棒性和收敛速度上比原型都有很大改进．

一种新的基于弱T范数簇的神经元模型

提出了一种新的能实现多种连续逻辑运算的神经元模型 .利用该神经元模型可实现多种逻辑运算 ,包括一种从 min(x,y)连续变化到 max(0 ,x +y- 1)的弱 T范数簇 ,从 max(x,y)到 m in(1,x+y)连续变化的弱 S范数簇 ,从 m in(x,y)连续变化到 max(x,y)的平均运算等等 ,并且利用 OWA算子 。

基于DDS技术的神经阈值刺激仪的研制

目的 针对基于模拟函数信号发生器的神经阈值刺激仪在动物实验和临床应用过程中遇到的实际困难和问题 ,为了满足科研项目“神经阈值图谱绘制及其临床应用研究”对神经阈值刺激仪各项指标的要求 ,重新设计、调试、改进神经阈值刺激仪。方法 基于直接数字合成 (directdigitalsynthesis ,DDS)以及其它新技术 ,设计出全新的信号发生源 ,采用光电耦合、高隔离电源以及浮地等方法 ,摒弃了传统的变压器隔离等技术 ,使神经阈值刺激输出的刺激信号能量较强且稳定 ,失真度低。结果 仪器整机安装调试后 ,就仪器输出的正弦波信号 ,用TDS30 34B数字存贮示波器对其观察并进行FFT处理 ,经计算可知 ,信号总波形失真度小于 1 0 %。结论 重新设计的神经阈值刺激仪无论从输出信号失真度上还是从刺激能量的强度和稳定度上 ,以及整机的可靠性、安全性等诸方面 ,都基于模拟函数信号发生器的神经阈值刺激仪有重大进步或改善 ,完全满足科研项目“神经阈值图谱绘制及其临床应用研究”对神经阈值刺激仪各项指标的要求。

永磁同步电机神经元模糊控制系统设计

在同步电机矢量控制条件下,基于系统动态模型和工作原理,利用模糊控制的快速控制特性和神经元自适应能力,采用神经元自适应 PID 控制和模糊控制进行直接修正的控制策略,设计了一个单神经元和模糊控制的复合智能型控制系统。仿真和实验表明,该永磁同步电机控制具有良好的动态性能和鲁棒性。

基于复数权值神经元的数字逻辑最稳健设计

复数权值神经元由于引入了多阈值逻辑而具有更强的性能,文中根据其数学模型,结合二进神经元稳健性的概念,提出了基于该神经元的稳健性定义。并结合定义,实现了基于单个神经元的基本数字逻辑以及异或运算的最稳健设计方案,从而证明了该稳健神经元实现任意数字逻辑的有效性和可行性,说明了其强大的处理能力。

硬限幅多阈值神经元在组合逻辑设计中的应用

本文分析了硬限幅多阈值神经元的功能?可用多个阈值把空间划分成多个超平带,即可实现对高维空间中多区域的非线性划分。以此类神经元为基础,本文提出了用硬限幅多阈值神经元实现组合逻辑电路设计的方法,通过对八位"奇偶校验"和3Bit二进制全加器的设计实现,阐述了采用硬限幅多阈值神经元相对于单阈值神经元和传统的数字电路设计方法实现组合逻辑设计的优越性。

从属性量检测到质特征定性的感觉特征抽取模型

提出了将感觉信息处理建立在属性操作研究上的基本观点 .给出了属性量 -质转化规律的定性映射模型 (QM) ,和 QM与人工神经元的 TLU(Threshold Logic Unit)模型的等价性定理 .根据感觉简单细胞和皮层神经元能对其敏感属性 a(x)的量 da(x)及相应质特征 pd(x) ,分别作出反应 (或检测 )和定性抽取的实验事实 ,提出了一个从量检测到质特征定性的感觉特征抽取模型 .

基于阈值逻辑门的任意布尔函数综合

阈值逻辑门具有很强的逻辑功能及独特的优点,用阈值逻辑门实现数字逻辑函数也一直受到关注。该文在研究阈值逻辑门性质的基础上,提出了一种基于阈值逻辑门的任意布尔函数综合的新算法。该算法引入了神经网络的学习法则和化简规则,不但具有简单规范的特点,同时降低了实现数字逻辑函数的复杂性。体现了基于阈值逻辑门综合布尔函数的有效性和优越性。

定性映射诱导的模糊程度函数与神经元

属性的量-质特征转化关系可归结为一个定性映射(QualitativeMapping,QM),利用定性基准[αi,βi]=N(ξi,δi)或x∈[αi,βi] |x-ξi|≤δi,若将pi(ξi)定义为质特征类pi(o)=[pi(x)|x∈N(ξi,δi)]的本征性质,借助于|x-ξi|能表示pi(x)与pi(ξi)间差异,从而能反映pi(x)体现其质特征类pi(o)本质的程度的功能.提出了程度函数ηi(x)及其核|x-ξi|<δi的概念.并指出,由核|x-ξi|≤δi诱导的程度函数中,至少有一类会导致其定性基准[αi,βi]的边界变成模糊的.而m维加权程度函数ηi(x)诱导出一个模糊神经元和网络.还以XOR问题和双螺旋问题为例,给出了利用定性映射函数进行非线性模式识别和分类的方法.

智能神经网络系统组成原理在语音识别中的应用

在语音识别实验中 ,应用智能神经网络系统组成原理 ,研究了以简单、功能单一的网络为基础 ,构筑复杂、功能完善的智能神经网络系统的方法 .同时 ,通过加入规则 ,提高了网络的识别能力 .实验表明 ,智能神经网络系统组成原理将面向对象、符号逻辑融于神经网络中 ,提供了构造功能完备的智能系统的途径 .

二进神经网络的最稳健设计

本文基于对ｎ维超立方体的分割超平面应处在任两不同类相邻顶点连线的中点、且与连线正交的思想，设计了能够实现逻辑功能的具有次强和最强稳健能力的多层前向神经网络，给出了稳健神经元之间的连接权和偏置值的设计规则，并证明了运用这一规则能够设计出既能实现所希望的逻辑功能，又具有对输入数据的次强和最强稳健能力的前向网络，相应的网络规模分别为ｎ－ｋ－１和ｎ－ｎ－ｋ－１（ｋ≤２ｎ－１）．由于所构造的网络其连接权值只可能是＋１、－１、０，使得网络灵活而易于实现．最后进行了大量的仿真实验，结果表明，这样构造的网络能够获得次强和最强的对输入数据的容错能力．