基于生物脉冲信号的视觉神经编码验证方法研究

研究界对如何对神经编码模型的性能度量还没有达成一个统一的评价标准。现有的主要编码度量方法是对神经编码模型的编码响应与真实生理响应之间的相似度进行度量。该文提出一种通过神经解码验证神经编码模型性能的方法。基于此方法构建了包括传统编码度量方法和神经解码度量方法的视觉脉冲信号编码验证框架,并基于动态视觉刺激下采集的蝾螈视网膜神经节细胞(RGC)脉冲信号数据集对此框架进行了实验验证。选择了具有动态视觉刺激脉冲响应编码能力的编码模型与性能先进的神经解码模型作为标准度量模型。实验从不同神经编码方式和不同维度全面地对3种神经编码模型的编码性能进行了度量。此外,实验结果表明,脉冲频率编码和脉冲计数编码两种编码方式对脉冲编码性能存在不可忽略的影响。

针刺电信息的神经编码特性

针刺作用可产生两类信息，即化学信息和电信息。化学信息是通过一些化学物质（如组织胺、Ca^2＋等）来传递的信息，它的作用通常具有弥散、缓慢和持久的特点。针刺效应的发挥，还依赖于机体神经一内分泌系统结构和功能的完整与完善，在这一过程中，针刺刺激转换成相应的神经冲动，即针刺电信息。针剌电信息引发了相应节段内神经递质和生物活性物质的分泌与释放，后者通过靶组织细胞发生一系列生物效应，从而在机体产生相应的针刺效应。近年来针刺以及随之产生的电信息逐渐成为研究热点。

利用生物声纳中双耳多普勒效应探讨定量神经编码

为了探讨不稳定的生物神经系统检测变化信号的方法,以及变化信号与神经系统输出脉冲的定量关系,本研究基于神经元模型(H-H方程),用计算机仿真研究生物声纳对双耳多普勒效应的处理机制。双耳多普勒效应差可以确定运动物体的运动方向,由于双耳检测到的频率差别非常小,因此神经系统必须具有很高的信号分辨能力。本研究的仿真分析结果,证明神经系统存在高灵敏地区分多普勒信号的可能性,讨论了神经系统实现"定量"处理的可能性。

抑制性神经元作用下相位神经编码的神经动力学分析

在考虑抑制性神经元作用的情况下,利用随机相变动力学理论对由神经振子群组成的神经网络进行相位编码的分析研究。建立一种抑制性神经元耦合作用下的随机非线性相变动力学模型,并依据所建立的模型对其自发活动以及在刺激作用下的动态演化过程进行数值分析。研究结果表明网络中抑制性神经元的存在能够降低兴奋性神经振子集群的数密度的幅值,并且抑制性神经元耦合系数的增大能够控制兴奋性神经振子集群的变化趋势。在刺激条件下,随着刺激强度的变化能够改变神经振子的发放频率。还考察了不同刺激情况下的相位编码的数密度演化。

视知觉条件下步态运动的神经编码综述

神经编码理论的研究,对于了解大脑内部工作机制以及对于人工智能、脑-机接口等技术的应用前景都具有重要意义。通过分析目前常用的几种视知觉神经编码的原理、方法,评价它们各自的优缺点,发现无论是单个神经元层次上还是多个神经元层次上,甚至是网络层次上的编码方式,由于神经元之间复杂的非线性耦合方式,用计算模型来描述视知觉功能都存在一定的困难。基于这样一种研究现状,进一步分析了一种新的简单有效的编码方式-神经能量编码,此编码与现有的其他编码相互结合,有望解决原有编码所无法解决或无法解释的问题。在应用方面介绍了视知觉条件下的步态运动输出控制,分析讨论了目前人体步态运动控制的原理、研究方法及其面临的挑战。

神经编码的信息熵表达研究进展

目的神经编码是指神经信息在传递和表达时所采用的一系列规则与机制,对神经编码的认识是研究脑功能的基础。近年来,人们从信息学的角度对神经编码进行了研究。笔者介绍了应用信息技术研究神经编码的几类方法,对其基本原理和应用范例进行了综述。方法在用chart5提取神经元放电间隔的条件下,在Matlab平台上,应用对数间隔熵和互信息熵相结合的方法对神经编码进行表达,进而揭示神经元放电编码的机制。

面向生物视觉的神经编码模型研究:进展与挑战

视觉系统通过神经元将丰富且密集的动态视觉刺激编码成时变的神经响应。探寻视觉刺激与神经响应之间函数关系是理解神经编码机理的一种常见手段。该文首先介绍了视觉系统的神经编码模型,归纳为两类:生物物理编码模型和人工神经网络编码模型。然后介绍了各种模型的参数估计方法。通过对比各种模型的特性,总结了各自的优势、应用场景及所存在问题。最后,对视觉编码研究的现状以及未来面对的挑战进行了展望。

基于神经编码的生物回声定位研究

蝙蝠等动物的神经系统能完成回声定位,从而确定障碍物方位。为了研究神经系统的实现过程,以单个神经元的信息编码为基础,从Izhikevich神经元模型出发,将经过神经元模型作用后得到的神经脉冲序列,经过圆映射理论和符号动力学分析,转换成符号序列。通过分析输入两耳的有相位差的脉冲与输出的符号序列之间的关系,从而得到生物回声定位的机理。

基于自编码器与时域卷积神经网络算法的配电网线损分析

复杂的配电网环境中存在线损计算精确性、实时性不足的问题,因此提出基于循环神经网络自编码器改进的TCN-BiGRU配电网线损预测方法。选用擅长处理时间序列的TCN神经网络模型作为主干特征提取网络,在TCN中融入BiGRU单元以有效解决梯度消失问题。在此基础上,结合循环神经网络自编码器对线损异常值进行无监督分类并标记,通过softmax损失函数预测线损率异常原因,并制定相应降损措施,同时利用改进后的TCN-BiGRU算法对线损进行预测及成因分析。实验结果表明,与传统的配电网线损预测方法相比,该线损预测方法的均方根误差相较于传统的EMD-LSTM与PSO-CNN算法分别降低了0.03699和0.00402,在线损成因分析方面的准确率相较于ResNet50与DBN-DNN算法分别提高了1.500%和5.841%,为分布式电源接入后配电网节能降损、实现电网双碳目标提供了科学的参考依据。

疏肝调神针法对创伤后应激障碍模型大鼠海马CA1及CA3区神经编码时空模式的影响

目的:观察"疏肝调神"针法对创伤后应激障碍(PTSD)模型大鼠海马CA1、CA3区异常神经编码时空模式的影响。方法:50只SD大鼠随机分为空白组、模型组、抓取组、西药组和针刺组,每组10只。除空白组外,其余组以复合应激法造模同时对应组分别以盐酸帕罗西汀、"疏肝调神"针法干预和抓取固定治疗。在体多通道记录海马CA1、CA3区神经元集群电活动,分析放电频率和波形幅值,留取图谱。结果:与空白组相比,模型组和抓取组CA1、CA3区放电频率缩短,集中分布频带降低,呈阵发性;放电波稀疏、凌乱,波形变窄,波形幅值减小(P<0.01)。与抓取组相比,西药组和针刺组CA1、CA3区放电频率延长,集中分布频带升高,呈断续性;放电波规则、整齐,波形幅值增大(P<0.01);两组CA1区波形增宽,但CA3区仅针刺组增宽。与西药组相比,针刺组CA3区波形幅值较宽,平均波形幅值较高(P<0.05)。结论:复合应激法可使大鼠海马CA1、CA3区神经编码时空模式异常改变,相关治疗均可显著调节部分异常改变,但"疏肝调神"针法整体效应更明显,这可能是针刺干预PTSD的重要中枢机制。

神经元模型的复杂动力学:分岔与编码

研究了改进的Morris-Lecar(ML)神经元模型的放电节律模式和模式转化的峰峰间期(interspike intervals,ISIs)分岔结构,通过调节模型中的两个重要参数μ和Vk,发现对于固定的μ,改变Vk,神经元呈现出从倍周期级联分岔到加周期分岔的复杂结构,放电模式从静息态转化为周期、混沌簇放电状态;若选取此分岔过程中的某一Vk值,对μ进行调节,呈现出的ISIs分岔结构在很大程度上取决于单个神经元的放电节律模式,且单个神经元处于混沌簇放电时,μ带来的分岔动力学行为较丰富.由于神经元能够通过动作电位对信息进行编码,所以我们推测,研究神经元的放电节律模式和动作电位的ISIs分岔结构能为理解神经信息编码机制提供线索.

神经元放电串中所含信息的编码理论和分析方法

神经系统内信息传递靠神经元接替完成：化学突触处的传递依靠神经递质，而神经纤维进行长距离信息传递则靠动作电位的传导。如何提取和分析神经元放电串中隐含的信息是神经科学、信息科学等多门学科的重要课题，但迄今尚缺乏理想的手段。本文简要介绍了主要的信息编码理论和分析方法的优越性和局限性，及其研究的进展。

小鼠海马神经网络对情景体验进行实时编码的功能单元的发现与鉴别

为了在神经网络层次上研究大脑对情景记忆信息实时编码的原理,我们创制了96通道微电极阵列系统．利用该系统,在小鼠经历惊吓事件过程中,对其大脑海马区多达260个神经元的放电活动进行了同步观察和记录．我们发现,惊吓情景刺激促发了小鼠海马CAI区神经元的放电模式发生改变,且这种改变与惊吓事件的特性及发生环境密切相关．运用统计学中的模式判别法。这些神经元的放电活动在低维空间形成了明显的集群式编码模式．进一步运用“移动窗口扫描”法,我们不仅能观察到神经网络实时编码的动态变化过程,而且能追踪惊吓事件之后记忆痕迹在神经元网络上的再现轨迹及次数．我们的分析表明：大脑海马CA1区神经网络的编码能力来自于由一系列神经元簇组成的功能性编码单元,神经元簇中的各神经元个体通过协同放电,从而克服了单一神经元放电的随机可变性,使对外界信息的实时编码获得稳定的高信噪比．这些功能性编码单元集群的激活形式能转换为具有实时性的一串串二进制数码,这一转换使不同动物大脑对各种行为事件获得了简明而通用的分类与编码．

自涌动态神经元集群-脑的时空编码新概念

概述了关于脑的时空编码概念的演化，涉及到下面一些问题：１）皮层神经元是以放电速率还是以放电定时编码信息；２）Ｂａｒｌｏｗ的“祖母细胞”和Ｈｅｂｂ经典细胞集群面临的挑战；３）Ｍａｌｓｂｕｒｇ的脑功能的相关理论和神经活动的同步振荡；４）Ｈｏｐｆｉｅｌｄ的神经编码原理和自涌动态神经元集群新概念；５）Ｔｈｅｔａ节律，ｇａｍｍａ振荡和２００Ｈｚ锁相振荡与脑的“时间编码空间”；最后，给出了一些讨论。

基于自编码神经网络的航空物探遥感数据分类方法研究

航空物探遥感数据的采集过程中受到电磁波辐射等外界因素的影响,导致航空物探遥感数据分类准确率较低,为此提出基于自编码神经网络的航空物探遥感数据分类方法;根据航空物探对象的基本特征,设置遥感数据的分类标准;通过辐射校正、几何纠正、噪声消除等步骤,完成航空物探遥感数据的预处理;构建自编码神经网络,利用自编码神经网络算法,从光谱、形状、纹理等方面提取遥感数据特征,通过特征匹配确定航空物探遥感数据的所属类型;通过分类性能测试实验得出结论:所提方法的全局遥感数据分类成功率和错误率的平均值分别为99.8%和0.6%,局部遥感数据分类的成功率和错误率的平均值分别为99.8%和0.3%,即所提方法在分类性能方面具有明显优势。

去极化刺激强度对小鼠大脑皮层γ氨基丁酸能神经元内在特性和编码能力的影响

目的研究小鼠大脑皮层γ氨基丁酸(GABA)能神经元活动的内在特性和编码能力随去极化刺激强度的增加而发生的动态变化。方法出生后15～22 d的FVB-Tg(Gad GFP)45704 Swn/J小鼠断头取脑,将脑片进行体外培养,运用Axoclamp-2B放大器全细胞记录方法记录内在特性和编码参数。观察随去极化刺激强度的增加(分为阈刺激强度×0.7、×0.85、×1、×1.25组),小鼠大脑皮层GABA能神经元绝对不应期(ARP)、动作电位间距(ISI)和动作电位发放峰时程标准差(SDST)的变化;分析大脑皮层GABA能神经元ARP与ISI和SDST间的关系。结果随着去极化刺激强度的增加,小鼠大脑皮层GABA能神经元群集发放动作电位的发放容量增加,ARP、ISI和SDST均显著缩短(P<0.01)。阈刺激强度×0.7、×0.85、×1、×1.25各组ARP与ISI之间均呈线性关系(r2分别为0.9、0.91、0.82和0.84,均P<0.05),ARP与SDST之间也均呈线性关系(r2分别为0.97、0.98、0.93和0.89,均P<0.05)。结论随着去极化刺激强度的增加,大脑皮层GABA能神经元发放动作电位的ARP缩短,使其发放群集动作电位和编码神经信息的能力增强。加强对大脑皮层GABA能神经元刺激程度更有利于神经系统功能保持稳态。

基于自编码神经网络的低压台区线损异常快速识别方法

针对现行方法在低压台区线损异常识别中应用存在误识、漏识的问题,提出基于自编码神经网络的低压台区线损异常快速识别方法。基于电流平均值与电阻值两个物理量采集低压台区线损数据,采用中位数插补法对缺失数据处理,并对其消除冗余、归一化,利用自编码神经网络对低压台区线损数据训练学习,提取线损异常特征,识别线损异常,实现基于自编码神经网络的低压台区线损异常识别。经实验证明,设计方法误识率、漏识率均不超过1%,可以实现对低压台区线损异常精准快速识别。

基于自编码卷积神经网络的前列腺TRUS图像分割方法

前列腺TRUS图像分割方法直接对前列腺TRUS图像特征进行展平,未对前列腺TRUS图像进行灰度均衡化处理,导致分割效果差。本文提出基于自编码卷积神经网络的前列腺TRUS图像分割方法。对前列腺TRUS图像进行灰度均衡化处理,在此基础上基于自编码卷积神经网络进行图像特征展平,设计前列腺TRUS图像分割流程实现图像分割,实验结果表明该研究方法能够更准确地识别并分割出前列腺区域,减少将前列腺像素错误分割为背景区域的情况。

基于强制稀疏自编码神经网络的作战态势评估方法研究

针对传统数据挖掘方法无法解决态势评估中防空体系特征自主挖掘和生成机理分析的问题,提出一种基于强制自编码神经网络的态势评估方法。结合大数据与复杂网络技术,构建强制自编码深度学习网络模型,形式化描述体系能力指标之间的级联涌现关系,在战场态势预测分析的基础上,进一步深入分析体系能力生成机理及贡献度,并通过仿真数据对模型进行验证。该模型对体系能力指标涌现的形式化描述,不仅体现了涌现过程的非线性、不确定性等复杂性特征,还赋予指标体系相对明确的物理含义,为辅助指挥员深入认知复杂战场态势提供了可行的方法手段。

基于栈式自编码神经网络的包衣单籽粒玉米品种识别

常规近红外定性识别研究中,玉米籽粒为表皮裸露状态,未经种衣剂覆盖处理,但是在实际农业生产中,为抵御病虫害侵袭,提高玉米种子发芽率,达到保产增产的功效,玉米种子常需经种衣剂包裹处理。玉米种衣剂的类型多样,对近红外光谱具有一定的吸收,因此种衣剂对近红外定性识别具有干扰作用。本文针对种衣剂对玉米品种识别准确性影响的问题,提出了一种基于栈式自编码神经网络(SAE)的近红外光谱定性建模方法。首先采用无种衣剂玉米籽粒光谱作为训练集,通过栈式自编码无监督学习算法与softmax分类器构建栈式自编码网络定性分析模型,再利用所建模型对有种衣剂玉米籽粒进行品种识别。实验结果表明,基于SAE的建模方法能够将种衣剂对玉米籽粒识别率的影响降低至3%以内。