分形高斯噪声驱动的神经元反馈模型中的随机共振现象

基于脑神经科学中的长程相关性和谱幂律形态的普遍性,使用分形高斯噪声建立了一类非线性神经元随机模型,研究了分形高斯噪声在非线性神经元模型中的增强信息传输作用。主要研究一般的反馈神经元模型中,加性分形高斯噪声诱导阈上随机共振现象发生的条件,满足一定条件的噪声强度和系统的Lipschitz条件的随机动力系统可发生阈下随机共振或阈上随机共振现象。理论和模拟结果都显示受分形高斯噪声激励的非线性神经元系统在二值输入的状态下互信息随着噪声强度的变化会达到最大值,并出现单峰状态,从而产生阈下随机共振和阈上随机共振现象。随机共振的现象发生与分形高斯噪声的Hurst指数有关。通过模拟,验证了分形高斯噪声可以增强神经元的信息传输作用。

一种反馈过程神经元网络模型及在动态信号分类中的应用

针对动态信号模式分类问题,提出了一种反馈过程神经元网络模型和基于该模型的分类方法。这种网络的输入可直接为时变函数,网络的信息传输既有与前馈神经元网络一样的前向流,也有后面各层节点到前层节点的反馈,且可对节点自身反馈输出信息,能直接用于动态信号的模式分类。由于反馈过程神经元网络在对输入样本的学习中增加了神经元输出信息的反馈,可提高网络的学习效率和稳定性。给出了具体学习算法,以时变函数样本集的分类问题为例,实验结果验证了模型和算法的有效性。

融合人类认知模式的自主发育网络及其在手势识别的应用

自主发育算法在智能机器人等领域有着广阔的应用前景,考虑到现有方法的局限性,本文提出了一种融合人类认知模式的自主发育神经网络,并将该方法应用于手势识别任务中。通过动态改变神经元预响应值计算过程中的人为指导部分来模拟人类的学习方式,提出了基于动态k值的top-k竞争机制,并模拟人脑对知识的接收和记忆功能实现优胜神经元突触权重的更新,最后基于神经元认知能力反馈进行突触重调整。对比实验结果表明,与原有方法相比,经该文改进后的自主发育网络在手势识别任务中具有更好的学习效果和更高的识别率。

镜像神经元视觉反馈疗法结合语音矫治对脑卒中构音障碍的治疗效果

目的观察镜像神经元视觉反馈疗法结合语音矫治对脑卒中后构音障碍的康复作用。方法 80例脑卒中后伴构音障碍患者随机均分为观察组和对照组。对照组仅给予语音矫治,观察组在语音矫治的基础上再给予镜像神经元视觉反馈疗法。比较两组治疗前和治疗3周后最长发声时间(MPT)、改良Frenchay构音障碍评估量表(FDA)评分、嗓音障碍指数量表(VHI)评分以及临床疗效。结果与治疗前相比,两组治疗后MPT增加(P<0.05),改良FDA评分和VHI评分降低(P<0.05),其中观察组治疗后MPT、改良FDA评分和VHI评分改善更加明显(P<0.05)。观察组治疗显效率和总有效率均高于对照组(42.5%vs.5.0%和92.5%vs.52.5%)(P<0.05)。结论镜像神经元视觉反馈疗法结合语音矫治可以改善脑卒中后构音障碍患者的口舌运动,提高其沟通交流能力和生活质量。

基于生物视觉机制的图像特征点检测方法

特征点检测性能对于后续图像分析和理解起着关键的作用,基于视觉感受野以及信息流反馈等视觉机制,提出了一种图像特征点检测新方法。利用感受野自调节特性构造简单细胞感光层,对卷积运算所获取的高斯差异结果进行特征点粗检测;利用脉冲信息流的反馈机制进行冗余点的剔除,最终获得视觉注意机制下的代表性特征点。在图像旋转角度为30°、60°、90°,尺度变换因子为0.8、0.9、1.1和1.2时,新方法在最终特征点数量均显著少于传统算法的情况下,图像特征点一致性稳定性结果较优,该方法将为生物视觉机制及其在图像处理中的应用提供崭新而有效的思路。