通用神经网络硬件中神经元基本数学模型的讨论

在介绍了作者实现通用神经网络硬件中应用的通用计算公式的基础上 ,提出了一种能同时模拟包括RBF与传统BP网络神经元在内的各种神经元通用的新的数学计算模型 ,并把基于这种通用数学计算模型的神经网络CASSANDRA Ⅱ型神经计算机结构设计中并予以硬件实现 .文中还讨论了它所模拟神经元网络的灵活性 .

变参数激活函数可调神经元数学模型

提出一种能同时模拟包括 M- P与 TAF神经元在内的各种神经元通用的新数学模型 ,给出这种模型的一般形式 .该模型不但连接权值可调节 ,而且激活函数可根据实际问题动态地选取。激活函数加入参数后 ,即成为变参数激活函数 ,大大地增强神经网络的灵活性 .

数学神经网络（I）──神经网络的插值机理

定义了数学神经元与数学神经网络，讨论了数学神经网络的插值机理；设计了一类单输入单输出三层前向数学神经网络与双输入单输出四层前向数学神经网络，它们分别能逼近给定的一元连续函数和二元连续函数到预定的精度。

神经系统动力学数学模型的研究进展

随着人们对大脑研究的进一步深入,诞生了神经系统动力学这一门新兴学科,大脑的数学模型是该学科研究的基础。本文介绍了一系列具有代表性和广阔应用范围的神经元数学模型,并就此展开讨论,对其发展前景作了展望;最后,将其与复杂网络研究相结合,提出了有价值的研究方向。

遗传算法优化确定BP神经网络的遥感图像分类

传统的BP神经网络对于遥感图像的分类精度较低,因此设计一种遗传算法优化确定BP神经网络的遥感图像分类方法。通过建立神经元数学模型,分析其传递信息的过程,求取BP网络误差权及最优解,分析遥感图像中不同波段的差别并进行预处理,利用OIF指数来确定参与分类的波段最优组合,建立图像分类体系并确定土地类型,通过输出矩阵向量完成遥感图像土地类型的分类。利用传统分类方法和设计的方法对相同的遥感图像进行实验,实验结果表明,设计方法的分类精度比传统方法高出9.08%。

A MATHEMATICAL APPROACH TO DESYNCHRONIZATION OF COUPLED OSCILLATORS： APPLICATION TO A NEURONAL ENSEMBLE

Synchronization of neurons plays an important role in vision, movement and memory. However, many neurological disorders such as epilepsies, Parkinson disease and essen- tial tremor are related to excessive synchronization of neurons. In the line of therapy, stimulations to these pathologically synchronized neurons should be capable of breaking synchrony. As the first step of designing an effective stimulation, we consider desynchro- nization problem of coupled limit-cycle oscillators ensemble. First, the desynchronization problem is redefined in a nonlinear output regulation framework. Then, we design an output regulator （stimulation） which forces limit-cycle oscillators to track exogenous sinusoidal references with different phases. The proposed stimulation is robust against variations of oscillators＇ frequencies. Mathematical analysis and simulation results reveal the efficiency of the proposed technique.