基于神经核网络高斯过程回归的甲板运动预测

甲板运动预测与补偿是舰载机自动着舰的关键技术之一。传统甲板运动预测方法依赖于运动建模的准确性和参数调整,面临复杂海况、不同舰型、航态变化时具有适应性差、预测时长短、结果可靠性低等问题。提出一种基于神经核网络高斯过程回归(NKN-GPR)的甲板运动预测模型,使用神经核网络(NKN)实现高斯过程回归(GPR)模型自动复合核构造,有效改善基于规则库自动核搜索(ACKS)算法依赖人工先验知识的不足。以正弦波组合模型和功率谱模型构造仿真数据,对NKN-GPR模型和基于最小二乘法的自回归(AR)模型进行对比仿真验证,仿真结果表明,NKN-GPR模型在运动预测精度、平滑性、预测时长等方面具有显著优势,证明了所提算法的有效性,可为舰载机自动安全着舰提供理论支撑。

神经核团异常放电的数值模拟与FPGA实现

目的:进行神经核团网络异常放电的数值模拟以及硬件实现。方法:选用Izhikevich模型模拟单个神经元放电,通过化学突触连接各神经元搭建神经核团网络,进而在FPGA上实现神经核团放电。对比Izhikevich模型在Simulink和DSPBuilder两种软件中建模的相对标准误差,并分析各神经核团的放电特性。结果:两种软件中各神经核团的仿真结果相对标准误差均小于0.1,验证了建模的一致性。通过计算丘脑的中继可靠性指标RI=0.3<0.6,证明搭建的神经核团网络可以模拟帕金森病的一种放电状态。结论:模拟神经核团的异常放电对替代动物活体实验、探究神经性疾病的治疗方法和脑机接口研究等具有重要意义。