一种基于能量人工神经元模型的自生长、自组织神经网络

本文结合近年生物学中神经科学的发展,针对神经胶质细胞对生物神经元网络的生长提供能量支持的特性,将神经胶质细胞的能量模型引入到人工神经元的概念模型中,提出了能量人工神经元(Energy artificial neuron,EAN)的概念模型,并给出了数学表述.同时,在能量人工神经元模型的基础上,实现了一种新型自生长、自组织人工神经元网络(EANbased self-growing and self-organizing neural network,ESGSONN),ESGSONN将神经元中的能量、网络的熵增量及样本与神经元权值的相似度的竞争作为生长的条件,并对最优生长点中的获胜神经元进行单位步长调整.ESGSONN实现了快速生长、精确的样本数据分布密度保持、死神经元少的特性.本文使用经典的16种动物实验(Ritter and Kohonen,1989)验证了ESGSONN的正确性,并通过同SOFM、GCS等自组织网络的对比实验验证ESGSONN网络的特性.最后,本文对ESGSONN在高维空间中的本质进行了讨论.

人工神经网络在光子与强子分辨中的应用

利用TMVA(Toolkit for Multivariate Analysis)软件包提供的人工神经网络方法(ANN)进行了多参量的分析,实现对γ和强子簇射的分辨。测试结果表明,利用上述方法,在对信号的挑选率达到70%的条件下,对强子的排斥率达到了86%。