基于径向基函数神经网络的多电极阵列信号脉冲电位的分类

通过径向基函数神经网络的分析,对神经元脉冲电位信号提出了新的分类方法。对原始信号进行峰电位检测,获得脉冲电位信号样本,以主成分进行预分类,选取与类中心方差小的典型脉冲电位集合作为径向基网络的训练样本,让神经网络进行自适应学习,以实现对原始信号的分类。仿真结果表明,在对模拟的脉冲电位信号进行分类时此方法的错误率比主成分聚类法和形状聚类法小。多电极细胞外记录的海马神经元细胞电活动信号应用此方法分类也取得了较好的效果。

基于脉冲神经网络的聚类算法研究

结合脉冲神经元网络的生物机制与改进的灰度共生矩阵算法,尝试模拟大脑提取关键信息的能力,并且使用这些提取到的信息实现纹理图像的分割。实验结果表明:这种利用灰度共生矩阵算法训练的脉冲神经元网络可以有效地提取图像的共生特征,并且可获得较好的纹理图像分割效果。

基于生物机制脉冲神经网络的特征提取

脉冲神经元可以被用于处理生物刺激并且可以解释大脑复杂的智能行为。脉冲神经网络以非常逼近生物的神经元模型作为处理单元,可以直接用来仿真脑科学中发现的神经网络计算模型,输出的脉冲信号还可与生物神经系统对接。而小波变换是一个非常有利的时频分析工具,它可以有效的压缩图像并且提取图像的特征。本文中将提出一种与人类视觉系统的开/关神经元阵列相结合的脉冲神经网络,来实现针对视觉图像的快速小波变换。仿真结果显示,这个脉冲神经网络可以很好地保留视觉图像的关键特征。

动态贝叶斯网络结构搜索法辨识生物神经网络连接

准确辨识生物网络的功能性连接结构,对于从系统水平探明网络调控机制,具有重要意义。文中发展了一种基于最小描述准则(minimum description length,MDL)的动态贝叶斯网络结构搜索法(dynamical Bayesian network structure searching method,DBNSSM),用于对脉冲神经元网络(pulsed neural network,PNN)(一种人工构造的生物神经元网络)结构进行辨识,以获得其内部神经元间的功能性连接情况和相互作用强度。在网络结构辨识过程中,候选网络结构评分函数综合考虑以下两个因素:1)利用网络动态响应数据确定的网络结构似然度;2)网络结构的复杂度。以上两因素相互折中后,评分最小的网络结构,即为最优网络。网络结构选择过程采用遗传算法(genetic algorithm,GA),候选网络结构对应的邻接矩阵元素构成二进制染色体,交叉、变异后,经历有限代的进化选择,收敛于全局最优网络结构。最后,将DBNSSM应用于PNN产生的动态时间序列数据。仿真结果表明:该方法能够有效地利用网络响应数据,辨识出生物神经元网络结构,未来可进一步应用于体外培养生物神经网络结构的辨识。

脉冲中子-中子(PNN)测井技术

脉冲中子中子(PNN)测井技术在不洗井、不关井条件下,可实现过套管或过油管的储层监测,即通过测量地层中热中子数量随时间的变化关系,用特有的处理手段和解释方法,求取含油饱和度等多种地层参数。PNN测井系统由井下仪器部分(包括中子发生器短节、中子探测器短节、自然γ短节和通讯短节)、地面数据采集部分及解释软件包部分组成。胜利油田某高含水油井的应用表明,PNN测井技术有助于分析高含水低矿化度油层水淹情况,指导油井采取挖潜措施,措施后该井日增油4t,水的质量分数下降6.2%。

可用于机械臂控制的小脑脉冲神经元网络研究与FPGA实现

小脑对运动的调控和对环境的适应性是人体完成快速精准运动的关键,模拟并研究小脑的运行机制将为控制复杂多变的机器人模型提供更有效的方法.鉴于此,遵循神经元数量的真实生物比率,构建大规模小脑脉冲神经网络模型,模拟大脑中小脑的真实结构、信息传递方式和学习机制,实现对机械臂的误差纠正控制,同时依据系统在不同控制任务下的控制结果,得到不同突触可塑性对小脑网络控制效果的影响规律.为了进一步增加小脑控制系统的生物真实性,以更贴近人脑的并行运算方式在现场可编程门阵列(field programmable gate array, FPGA)平台上实现所构建的模型,并进行相应的资源优化,增加可实现的网络规模. FPGA实现结果显示,系统能够成功完成基于小脑误差纠正功能的自适应类脑机械臂控制,可以验证小脑的真实细胞动力学和大规模颗粒层提供的高容错性,并提供兼顾小脑应用功能实现和理论研究的平台.

脉冲中子-中子(PNN)仪器故障分析及排除

针对脉冲中子-中子(PNN)仪器在实际应用中常见的一些故障,介绍了PNN各短节功能和相应电路的基本原理,对故障产生原因进行了系统分析,给出了相应故障的排除方法。

PNN测井技术在青海油田水淹层解释评价中的应用

PNN测井是一种通过记录发生俘获反应后地层中的剩余热中子数量,进而获取储层剩余油饱和度的测井技术。其测量原理、数据采集和处理方式均有独特之处。通过在青海油田大量的测井实践出发,总结出了一套PNN测井进行水淹层识别的综合解释方法。并在此基础上,充分利用动态监测资料对水淹层进行分级评价以及建立了区块解释标准对其进行量化解释,从而使PNN测井在青海油田剩余油测井评价中发挥出了独特而重要的作用。

基于HHT/PNN的故障信息融合诊断方法

为提高动态随机故障诊断能力,提出了基于HHT/PNN的故障信息融合诊断方法.利用HHT提取信号的瞬时频率和瞬时幅值特征,采用过程神经元网络实现对时域幅值、瞬时频率和瞬时幅值3种故障特征的融合诊断.对基于HHT/PNN和基于神经网络的2种故障诊断方法进行了比较.仿真结果表明:对于动态随机故障,基于HHT/PNN的故障信息融合诊断方法比基于神经网络的故障诊断方法的故障诊断准确度高.

脉冲中子-中子测井技术在大港油田的应用

脉冲中子-中子(PNN)测井是利用直接测量热中子通量进而计算剩余油饱和度的测井技术。该项技术通过测量地层中热中子数量随不同时间的变化关系,用特有的处理手段和解释方法求取含油饱和度等多种地层参数。介绍了该项测试技术的测试原理及仪器的技术参数。通过在大港油田70多口井次的应用实例.阐述了该测试技术对含油饱和度的测试、寻找潜力层、低电阻率油层的识别等方法及应用,为油田的后期开发及剩余油开采提供了一种监测手段。

PNN测井资料处理及应用效果分析

脉冲中子-中子（PNN）测井技术,利用测量地层中剩余热中子数量随时间变化关系,提取地层的俘获截面,计算储层的剩余油饱和度。其采集方式区别于其它脉冲中子测井,也具备独特的数据处理技术。本文简单介绍PNN测井的基本原理及基本解释方法,主要通过实际分析地层俘获截面的影响因素,包括矿化度、孔隙度、泥质含量等影响,探讨PNN解释的方法。并通过与其它脉冲中子测井方法的对比,探讨PNN的适用范围。PNN测井在海上、印尼的应用实例表明,PNN测井是确定单井剩余油饱和度的有效手段之一。

基于PNN测井技术的复杂储层流体识别与饱和度计算

套管井中通常使用的饱和度测井方法大都建立在伽马射线探测的基础上,很难适用于油田高含水中后开发期。脉冲中子-中子(Pulse Neutron-Neutron,PNN)测井是通过直接测量热中子强度来计算剩余油饱和度的技术,在低矿化度、低孔隙度地层中,由于单位时间里被俘获的热中子少,没有被俘获的热中子多,因此饱和度测量精度高,而且不受伽马本底值的影响。首先介绍了PNN测井仪器的工作原理,然后讨论了PNN测井的数据处理方法与饱和度计算方法,最后通过两个油田的应用实例,证明PNN测井技术适用于低矿化度、低孔隙度储层以及水淹层的流体识别与饱和度计算。

PNN与RPM在剩余油饱和度监测中的对比研究

目前,PNN和RPM在剩余油饱和度监测中应用越来越广泛,由于两者利用脉冲中子与地层的作用不同,致使其应用条件也不相同。文章简单对比研究了两种仪器的测量原理、特点,PNN和RPM的C/O模式和PNC模式确定剩余油饱和度的解释方法,并举例进行了分析。

海上油田脉冲中子–中子测井蒙特卡罗方法模拟研究

脉冲中子–中子(PNN)测井受管柱、地层物性和地层流体等诸多因素的影响,无法准确提取测量到的地层宏观俘获截面,从而影响剩余油饱和度的计算。根据海上油田的实际生产情况,针对其复杂的管柱结构、更大的地层水矿化度变化范围、泥质含量以及孔隙度等因素,基于蒙特卡罗方法进行了相应的数值模拟。通过对各因素模拟的响应结果分析,在三层管柱、泥质含量高于20%的条件下时仪器测量精度不高,为了更加准确地提取地层宏观俘获截面,通过分析研究给出了取道建议,为精细评价地层剩余油饱和度提供一定的理论依据。

国内首套PNN测井系统落户大港

日前，大港油田测试公司成功地从奥地利霍特威尔公司引进PNN脉冲中子测井系统，这在我国尚属首家。该测井系统主要用于确定储层纵向含油饱和度。测试公司技术人员在羊监1等7口井进行测试，测试成功率均为100％，仪器重复性和稳定性能良好。据介绍，PNN测井技术将在老油田剩余油挖潜中起到重要作用。

低渗储层剖面剩余油测井技术地质应用探讨

通过对碳氧比测井、过套管电阻率测井、脉冲中子-中子测井技术原理的介绍,重点分析了3种剩余油测井技术的资料成果以及地质应用,并对这3种剩余油测井技术在低渗透油藏的适用性进行了分析,认为脉冲中子-中子测井更加适用于低孔、低渗的储层特征。

基于小波模极大值的测井信号滤波

脉冲中子-中子测井(PNN)热中子计数率曲线滤波处理是获取有效地层宏观俘获截面值的研究基础。针对PNN测井信号受到统计起伏的噪声干扰问题,在分析小波变换模极大值特性的基础上,分析PNN测井信号和干扰噪声的小波变换模极大值在不同尺度上的传播特性,建立PNN测井信号小波变换模极大值去噪算法。以油田某井为例,实现对PNN测井短源距计数率曲线的滤波处理。结果表明,基于小波变换模极大值的滤波方法能够有效去除PNN测井信号噪声干扰,提高测井信号的信噪比。

为什么我们会忘记事情

许多人都有这样的经历:不仅不能清楚地记得很多事情,甚至还常常忘记事情。比如,钥匙、手机、耳机等小物件不知道落哪里了,又或者一周前的今天穿的是哪件衣服,吃的是什么午餐。而当我们进行某些活动时,比如考试前看书复习,此时,我们的大脑变得活跃起来,它会把那些信息转换成电脉冲,电脉冲通过神经元网络,传输到大脑的短期记忆区,不过短期记忆区只是个中转站,所有你接触的事物,在那只有短暂的几分钟时间,大脑会对这些信息进行筛选,它会把它认为相当重要的数据转移到长期记忆区。

大脑科学十年的十大进步

科学家、作家里奥·沃特森说过：“如果大脑像我们理解的那么简单，人类会不可思议的简单。但这是不可能的。”混沌的数以亿计的电脉冲神经元网络困扰了科学家几个世纪。然而。在过去10年中，我们对这个神秘的器官有着爆炸性的理解，诊断技术和分子生物学技术的惊人进步，已经向人们展示了大脑的复杂性，而科学家刚刚开始分析，它们是如何转化成日常行为甚至疾病的。