基于阈值控制策略的Filippov Chay神经元动力学及其耦合同步

细胞内外带电离子的连续泵送和传递产生的电磁感应效应对神经元的电活动及模态转换会产生一定的影响,促使其展现出更加丰富的放电特性.文章基于电磁感应影响下的Chay神经元模型,引入了一种以膜电压为阈值的不连续控制策略,建立了相应的Filippov Chay神经元模型,探究了在阈值控制策略影响下的神经元放电节律转迁及相应的边界运动.首先,对系统的边界动力学及滑膜动力学进行了理论分析.其次,利用单双参数分岔图探究了系统多样的放电模式.再次,结合Matcont仿真及稳定性理论详细分析了系统的平衡点及其稳定性,并且利用快慢动力学分析法进一步研究了在阈值影响下所产生的滑膜动力学及各种边界运动的切换.最后,通过电突触耦合,对不同阈值条件下耦合神经元的同步问题进行了讨论.数值仿真结果表明,在阈值的调控下Filippov Chay系统会产生滑膜放电活动及相应的穿越运动和擦边运动,同时其放电周期数也会随着阈值呈现出不同的变化规律,且对于不同阈值下的电耦合情况而言,在系统实现完全同步后都会稳定在周期数较低的放电态.以上所得结果有助于更好地理解神经元滑膜的相关控制,对进一步探究生物神经系统中复杂放电活动和信息处理的动力学行为提供了一定的帮助.

用于双阈值脉冲神经网络的改进自适应阈值算法

脉冲神经网络(spiking neural network, SNN)由于在神经形态芯片上低功耗和高速计算的独特性质而受到广泛的关注。深度神经网络(deep neural network, DNN)到SNN的转换方法是有效的脉冲神经网络训练方法之一,然而从DNN到SNN的转换过程中存在近似误差,转换后的SNN在短时间步长下遭受严重的性能退化。通过对转换过程中的误差进行详细分析,将其分解为量化和裁剪误差以及不均匀误差,提出了一种改进SNN阈值平衡的自适应阈值算法。通过使用最小化均方误差(MMSE)更好地平衡量化误差和裁剪误差;此外,基于IF神经元模型引入了双阈值记忆机制,有效解决了不均匀误差。实验结果表明,改进算法在CIFAR-10、CIFAR-100数据集以及MIT-BIH心律失常数据库上取得了很好的性能,对于CIFAR10数据集,仅用16个时间步长就实现了93.22%的高精度,验证了算法的有效性。

改进声发射信号的桥梁焊缝裂纹识别仿真研究

针对因环境中存在过多噪声,导致桥梁焊缝裂纹识别精准度低的问题,提出基于声发射信号的桥梁焊缝裂纹识别方法。利用传感器提取桥梁周围的实时信号,通过信号在周期序列上的幅值变化,判定噪声信号,采用小波变换算法对噪声信号实施重构变换,建立硬阈值和软阈值函数,约束噪声信号。采用神经元传递函数计算原始信号序列中隐含层神经元的具体特征表现参数,得到信号的特征类间平均值,通过类间参数求得特征量。以带有声发射信号提取技术的传感器作为识别载体,将特征参数输入到识别传感器中,针对不同的桥梁测试点,建立焊缝裂纹识别通道,完成有效识别。实验结果证明,所提方法的识别精准度较高,无论是以持续频率还是持续时间信号作为测试指标,均能实现高效识别。

基于高低阈值的脉冲神经元抗噪学习算法

脉冲神经元的动态阈值学习算法在训练神经元的过程中通过改变阈值的大小,可以有效提高神经元的抗噪能力。然而,动态阈值的使用又会降低神经元的学习精度,且在与基于梯度下降的学习算法结合使用时容易导致神经元沉默。基于此,提出了一种改进的基于梯度下降的高低阈值抗噪算法,使用高低阈值来避免神经元的学习精度损失,并在神经元沉默时使用虚拟激发脉冲来继续学习过程,同时使用动态的学习速率来降低高低阈值对学习周期的影响程度。实验结果表明,该算法可以显著提高神经元的抗噪能力,并且能够保证学习精度和收敛速度,适用于基于梯度下降的脉冲神经元学习算法。

本征可拉伸阈值型忆阻器及其神经元仿生特性

研制具有生物神经元信息功能的柔性电子器件对于发展智能穿戴技术具有重要意义。传统阈值型忆阻器可模仿神经元信息整合功能,但因缺乏本征柔韧性,难以满足应用需求。本工作制备了一种基于本征可拉伸阈值型忆阻器的柔性人工神经元,它由银纳米线–聚氨酯复合介质薄膜和液态金属电极构成。在外加电压下,器件呈现良好的阈值电阻转变特性,这归因于银纳米线间形成非连续银导电细丝的动态通断。该器件可模仿生物神经元的信息整合–发放及脉冲强度和脉冲间隔调制的尖峰放电功能。在20%拉伸应变下,器件工作参数基本保持稳定,性能未发生明显退化。本工作为发展可拉伸柔性人工神经元及下一代智能穿戴设备提供重要材料和技术参考。

基于阈值控制策略的Filippov神经元模型的动力学及多稳态分析

电磁感应在调节神经元的电活动、兴奋性和双稳态结构中起着关键作用.基于电磁场影响下的HR神经元模型(EMFN模型),引入了一种以膜电位为阈值的不连续控制策略,实现了电磁场对神经元系统的调控作用,并由此建立了Filippov EMFN神经元模型.首先,结合Matcont软件分析了2个子系统平衡点的存在性与稳定性;其次,借助双参数分岔分析详细探讨了其双稳态区域及内部机制;最后,结合快慢动力学分析,进一步探究了包括滑膜段、滑动分岔等一系列复杂的滑膜动力学及多稳态性的产生机理.数值仿真结果表明,EMFN模型在阈值控制策略的影响下会产生相应的滑膜极限环和滑膜簇放电等行为.所得结果为控制电磁场对生物神经系统的影响,以及探求神经性疾病的调控机理提供了思路.

电极材料对NbO_(x)Mott忆阻器稳定性的影响

为了改善NbO_(x)Mott忆阻器电学稳定性和一致性,提升NbO_(x)Mott忆阻器构建人工脉冲神经元的应用潜力,研究制备了通孔型NbO_(x)Mott忆阻器,并对比研究了Pt、W电极材料对器件稳定性和一致性的影响。研究结果表明,相较于常见报道的Pt电极器件,采用W电极的NbO_(x)Mott忆阻器表现出了更为优越的稳定性和一致性。此外,利用NbO_(x)Mott忆阻器搭建了振荡电路,成功实现了人工脉冲神经元的功能。基于W电极NbO_(x)Mott忆阻器的人工脉冲神经元可以稳定振荡时间超过106 s,循环耐久性可达1012次以上,其振荡波形的幅度及频率稳定性远好于基于Pt电极的人工脉冲神经元。进一步的XPS结果显示,在基于W电极的NbO_(x)Mott忆阻器中,W和NbO_(x)界面生成了一层致密的WO_(x)层,有效地阻挡了氧空位在NbO_(x)材料中的迁移。相比之下,基于Pt电极的NbO_(x)Mott忆阻器因Pt层存在大量晶界且对氧空位有较强的吸附作用,导致在电激活和阈值阻变过程中氧空位发生跳动,从而降低了器件的电学稳定性。该研究为提升NbO_(x)Mott忆阻器的稳定性和一致性提供了新的途径,有望推动其在脉冲型神经形态计算系统中的产业化应用。

一种面向基于闪存的脉冲卷积神经网络的模拟神经元电路

该文面向基于闪存(Flash)的脉冲卷积神经网络(SCNN)提出一种积分发放(IF)型模拟神经元电路,该电路实现了位线电压箝位、电流读出减法和积分发放功能。为解决低电流读出速度较慢的问题,该文设计一种通过增加旁路电流大幅提高电流读出范围和读出速度的方法;针对传统模拟神经元复位方案造成的阵列信息丢失问题,提出一种固定泄放阈值电压的脉冲神经元复位方案,提高了阵列电流信息的完整性和神经网络的精度。基于55 nm互补金属氧化物半导体(CMOS)工艺对电路进行设计并流片。后仿结果表明,在20 μA电流输出时,读出速度提高了100%,在0 μA电流输出时,读出速度提升了263.6%,神经元电路工作状态良好。测试结果表明,在0~20 μA电流输出范围内,箝位电压误差小于0.2 mV,波动范围小于0.4 mV,电流读出减法线性度可达到99.9%。为了研究所提模拟神经元电路的性能,分别通过LeNet和AlexNet对MNIST和CIFAR-10数据集进行识别准确率测试,结果表明,神经网络识别准确率分别提升了1.4%和38.8%。

生物电信号峰值测量方法与实现

生物电信号由于其发生机理和所处的生物体的电特性比较复杂、多变，故在处理这样的信号时，常规方法和电路往往难以实现不失真地撷取、放大和精确定量。介绍了一种生物电信号峰值测量方法，详细阐述了依据该方法设计的实用电路的结构、测试结果、误差分析及改进措施，并指出该测量方法具有构思巧妙，原理简单，易实现等优点，适用于大部分需要测量生物电信号峰值的系统中。

低频率不规则生物电信号峰值测量电路的设计

目的 :为临床设计一种测量低频率不规则生物电信号的新型测量电路。 方法和结果 :首先构思电路原理 ,然后进入实际设计和改进 ,最后进入实际测试和结果误差分析。 结论 :实践证明 ,该电路具有构思巧妙、原理简单、易与微处理器接口匹配等优点 ,可用于生物电信号和低频率不规则信号测量和诸多测控系统。

人体刺激诱发生物电信号频率与占空比测量电路的设计与应用

目的设计一种人体刺激诱发生物电信号频率和占空比测量电路 ,以解决在“神经阈值图谱与临床应用”研究项目中遇到的人体神经系统刺激诱发生物电信号频率与占空比测量的难题。方法首先根据人体神经系统刺激诱发生物电信号的频率较低并且极其不规则 ,以及频率和占空比变化非常频繁等特性 ,构思电路原理 ,然后进入实际设计、测试和改进 ,最终将其应用于精密神经阈值刺激仪中。结果电路经调试和改进 ,应用Agilent 331 2 0A数字函数信号发生器和TDS30 34B数字存贮示波器对多种波型、多种频率和占空比的信号进行测量 ,测量电路对各种信号频率的测量是相当准确的 ,对占空比的测量误差小于 0 .2 % ,基于该电路的精密神经阈值刺激仪经临床试用 ,取得了满意的效果。结论实践证明 ,该电路具有构思巧妙 ,原理简单 ,易与微处理器接口匹配等优点 。

精密低频信号频率与占空比测量电路的设计与应用

目的和方法 :介绍一种精密低频信号频率与占空比测量电路的设计以及在神经阈值刺激仪中的应用 ,详细阐述该电路结构、测试结果、误差分析及改进措施。 结果和结论 :该电路具有频率、占空比测量准确、电路简单易实现等优点 ,略加改动 。

基于DDS技术的神经阈值刺激仪的研制

目的 针对基于模拟函数信号发生器的神经阈值刺激仪在动物实验和临床应用过程中遇到的实际困难和问题 ,为了满足科研项目“神经阈值图谱绘制及其临床应用研究”对神经阈值刺激仪各项指标的要求 ,重新设计、调试、改进神经阈值刺激仪。方法 基于直接数字合成 (directdigitalsynthesis ,DDS)以及其它新技术 ,设计出全新的信号发生源 ,采用光电耦合、高隔离电源以及浮地等方法 ,摒弃了传统的变压器隔离等技术 ,使神经阈值刺激输出的刺激信号能量较强且稳定 ,失真度低。结果 仪器整机安装调试后 ,就仪器输出的正弦波信号 ,用TDS30 34B数字存贮示波器对其观察并进行FFT处理 ,经计算可知 ,信号总波形失真度小于 1 0 %。结论 重新设计的神经阈值刺激仪无论从输出信号失真度上还是从刺激能量的强度和稳定度上 ,以及整机的可靠性、安全性等诸方面 ,都基于模拟函数信号发生器的神经阈值刺激仪有重大进步或改善 ,完全满足科研项目“神经阈值图谱绘制及其临床应用研究”对神经阈值刺激仪各项指标的要求。

神经阈值实验分析方法的研究

神经阈值的检测实验使我们得到了不同神经纤维、不同刺激信号对于神经阈值响应的不同数据。如何从这些不同的数据中获得归一化的有规律的能够用以确定的数值。本文经过数据分析、统计学处理和频谱分析,确定了神经阈值归一化数值方法,初步找到与阈值参数相关的因素及其相互间的关系,证明了神经元非线性特性。这些结论为神经电生理神经生物学及其神经阈值的临床应用创造了良好条件。随着实验数据的不断丰富、完善,运用实验分析方法,神经阈值会愈来愈达到临床诊断和治疗的水平。

精密神经阈值刺激仪系统软件的开发

人体电生理信号由于其频率低、信号弱等特性,对其放大、测量有其它信号所不可比拟的特殊要求。主要介绍了精密神经阈值刺激仪系统软件编写的原理和编写方法,针对仪器对系统软件的较高要求,如实时性,计算、测量速度和精度,以及对生物低频弱信号放大、处理控制等,着重阐述了系统软件设计所采用的处理结构和设计原则、注重点。

皮层神经元动作电位不应期和阈电位与神经元动作电位编码的关系

目的:测量和比较感觉运动皮层Ⅱ/Ⅲ层锥体神经元和中间神经元的内在特性并研究其与动作电位编码频率和精确性的关系。方法:采用全细胞电流钳记录模式,获得的数据输入pClamp和Origin进行处理分析。结果:与锥体神经元相比,中间神经元群集动作电位具有较低的阈电位水平和较短的不应期,从而中间神经元具有较高的动作电位编码频率和精确性。结论:皮层神经元动作电位的阈电位水平和不应期调控动作电位的编码频率和精确性。

精密生物电信号频率与占空比测量电路的设计及其在神经阈值刺激仪中的应用

介绍了结构简单、测量准确的精密生物电信号频率与占空比测量电路的原理及其在神经阈值刺激仪中的应用。

神经阈值图谱实验方法的研究

目的:通过对神经刺激阈值的研究,以了解神经电生理学的信号传递及离子通道等神经生理基础的特性。 方法:通过神经阈值刺激仪向动物神经纤维束输出刺激电信号,将数字式肌电图仪的电极置放在动物神经支配的 肌肉上,检测该肌肉的肌电信号,并反馈至神经阈值检测系统,记录输出刺激电信号的相关参数。 结果:通过肌 电图仪记录肌肉活动的微小电位差,以了解神经或肌肉的功能状态。电刺激的改变通过精密神经阈值刺激仪作 用于相应的神经上,作出波形、频率、占空比及振幅的改变,以获得实验的结果———神经阈值;同时在实验中,我们 还使用泰克四踪存储示波器监测从靶向肌肉反馈信号的电流和电压值。 结论:阈值大小与占空比无关,但与神 经粗细有关;双向波比单向波阈值低,这与去极化导致神经疲劳有关。

定性映射诱导的模糊程度函数与神经元

属性的量-质特征转化关系可归结为一个定性映射(QualitativeMapping,QM),利用定性基准[αi,βi]=N(ξi,δi)或x∈[αi,βi] |x-ξi|≤δi,若将pi(ξi)定义为质特征类pi(o)=[pi(x)|x∈N(ξi,δi)]的本征性质,借助于|x-ξi|能表示pi(x)与pi(ξi)间差异,从而能反映pi(x)体现其质特征类pi(o)本质的程度的功能.提出了程度函数ηi(x)及其核|x-ξi|<δi的概念.并指出,由核|x-ξi|≤δi诱导的程度函数中,至少有一类会导致其定性基准[αi,βi]的边界变成模糊的.而m维加权程度函数ηi(x)诱导出一个模糊神经元和网络.还以XOR问题和双螺旋问题为例,给出了利用定性映射函数进行非线性模式识别和分类的方法.

BP网络隐层神经元数自调节算法的研究

针对传统BP算法中隐层神经元数不易选取的问题,本文提出了BP算法的改进模型———DBP(DoubleBP)网络模型.该模型可以动态自调节隐层神经元数,即通过一个给定先验知识的BP网络动态调节另一个BP网络中隐层神经元数,并且通过选取合适的权值和阈值使训练误差曲线迅速下降.解决了BP网络拓扑结构中隐层神经元个数以及新增加权值和阈值的选取问题,还对BP网络在陷入假饱和区如何逃逸提出了一种新的方法.最后通过仿真模拟取得了比较好的效果.