基于贝叶斯原理的多维Spike Train分类预测模型

神经元集群编码和spike train分析是神经信息处理的关键问题。该文介绍了一种利用高阶多维泊松模型对spike train进行分类预测的方法,并从spike的强度分布、匹配准确性和集成策略上进行了数学论证。最后利用该方法在大鼠U迷宫实验中选取20组作为训练集进行分类测试,实验结果表明,利用该方法得到的分类准确率在97%左右。

一种从多维Spike Train数据中进行神经解码的方法

神经元集群编码与解码是神经信息处理的关键问题。本文首先引入放电率与峰电位计数率度量神经元对外界刺激的响应,分析了根据实验记录的脑信号电波获得神经电位活动的规律。利用微电极阵列记录并分离脑电信号,然后借助现代密码学的思想,将之与多维随机数列进行比较,得到有效信息量从而在Spike Train中进行神经解码。最后用一个实例来分析了发现模式的具体步骤。

STOCHASTIC RESONANCE MEASURED BY THEMUTUAL INFORMATION IN THE NEURONSTHAT TRANSMIT CHAOTIC SPIKE TRAINS

The spike trains generated by a neuron model are studied by the methods of nonlinear time series analysis. The results show that the spike trains are chaotic. To investigate effect of noise on transmission of chaotic spike trains, this chaotic spike trains are used as a discrete subthreshold input signal to the integrate-and-fire neuronal model and the FitzHugh-Nagumo(FHN) neuronal model working in noisy environment. The mutual information between the input spike trains and the output spike trains is calculated, the result shows that the transformation of information encoded by the chaotic spike trains is optimized by some level of noise, and stochastic resonance(SR) measured by mutual information is a property available for neurons to transmit chaotic spike trains.

DETERMINATION OF THE FAVORED PATTERN IN NEURAL SPIKE TRAIN WITH MONTE CARLO METHOD AND TEMPLATE METHOD

The modern neuroelectrical physiology indicates that there are certain patterns inneural spike train which appear more frequently than others.These favored patterns(FP)maybe related to the mechanism of neural information processing in central nervous system.Inthis paper,the quantized Monte Carlo method and template method used in favored patternrecognition are described.The Monte Carlo method determines favored patterns or the possiblefavored patterns,while the template method is used for choosing the FP from the candidates andcounting the number of the FP in the spike train.This work will be pursued for extracting theFP in some complicated spike train.

基于脉冲神经网络的时空交互图像分类

脉冲神经网络作为人工智能发展的重要方向之一,在神经形态工程和类脑计算领域得到了广泛的关注.为解决脉冲神经网络泛化性差、内存和时间消耗较大等问题,本文提出了一种基于脉冲神经网络的时空交互图像分类方法.首先引入时间有效训练算法弥补梯度下降过程中的动能损失;其次融合空间随时间学习算法,提高网络对信息的高效处理能力;最后添加空间注意力机制,增强网络对空间维度上重要特征的捕捉能力.实验结果表明,改进后的方法在CIFAR10、DVS Gesture、CIFAR10-DVS这3个数据集上的训练内存占用分别减少了46.68%、48.52%、10.46%,训练速度分别提升了2.80倍、1.31倍、2.76倍,在保证精度的情况下,网络性能得到有效提升.

跨脉冲传播的深度脉冲神经网络训练方法

基于反向传播的脉冲神经网络(SNNs)的训练方法仍面临着诸多问题与挑战,包括脉冲发放过程不可微分、脉冲神经元具有复杂的时空动力过程等。此外,SNNs反向传播训练方法往往没有考虑误差信号在相邻脉冲间的关系,大大降低了网络模型的准确性。为此,提出一种跨脉冲误差传播的深度脉冲神经网络训练方法(cross-spike error backpropagation,CSBP),将神经元的误差反向传播分成脉冲发放时间随突触后膜电位变化关系和相邻脉冲发放时刻点间的依赖关系两种依赖关系。其中,通过前者解决了脉冲不可微分的问题,通过后者明确了脉冲间的依赖关系,使得误差信号能跨脉冲传播,提升了生物合理性。此外,并对早期脉冲残差网络架构存在的模型表示能力不足问题进行研究,通过修改脉冲残余块的结构顺序,进一步提高了网络性能。实验结果表明,所提方法比基于脉冲时间的最优训练算法有着明显的提升,相同架构下,在CIFAR10数据集上提升2.98%,在DVS-CIFAR10数据集上提升2.26%。

基于自适应时间步脉冲神经网络的高效图像分类

脉冲神经网络(Spiking neural network,SNN)由于具有相对人工神经网络(Artifcial neural network,ANN)更低的计算能耗而受到广泛关注.然而,现有SNN大多基于同步计算模式且往往采用多时间步的方式来模拟动态的信息整合过程,因此带来了推理延迟增大和计算能耗增高等问题,使其在边缘智能设备上的高效运行大打折扣.针对这个问题,本文提出一种自适应时间步脉冲神经网络(Adaptive timestep improved spiking neural network,ATSNN)算法.该算法可以根据不同样本特征自适应选择合适的推理时间步,并通过设计一个时间依赖的新型损失函数来约束不同计算时间步的重要性.与此同时,针对上述ATSNN特点设计一款低能耗脉冲神经网络加速器,支持ATSNN算法在VGG和ResNet等成熟框架上的应用部署.在CIFAR10、CIFAR100、CIFAR10-DVS等标准数据集上软硬件实验结果显示,与当前固定时间步的SNN算法相比,ATSNN算法的精度基本不下降,并且推理延迟减少36.7%~58.7%,计算复杂度减少33.0%~57.0%.在硬件模拟器上的运行结果显示,ATSNN的计算能耗仅为GPU RTX 3090Ti的4.43%~7.88%.显示出脑启发神经形态软硬件的巨大优势.

排球训练机器人扣球位姿修正中的解耦控制

因排球训练机器人在扣球位姿控制过程中需要多回路控制,不同控制回路之间相互影响,导致存在不同回路之间的耦合干扰,要获得良好的训练效果,需要对排球训练机器人在扣球训练过程中的耦合干扰进行解耦控制。为此,提出一种针对排球训练机器人扣球位姿修正的解耦控制方法。根据机器人的主要能量和扣球速度独立非线性项计算排球机器人姿态运动参数,采用扩展卡尔曼滤波器,估计机器人在扣球训练过程中的位姿。根据机器人位姿估计结果,建立位姿修正解耦控制的目标函数,并设定扣球位姿控制的约束参量,引入变步长动态平衡反馈调节方法实现单一回路的解耦控制。实验结果表明:这种解耦控制方法在x轴和y轴中的跟踪误差均低于0.3m,在控制过程中的俯仰角、关节旋转角度和加速度变化曲线与设定期望值相符,证明所提方法可有效提高排球训练机器人的跟踪精度和控制效果,获得较好训练效果。

第19届世锦赛中外女排扣球进攻技战术比较分析

对巴黎奥运周期中外女排在第19届世界女子排球锦标赛中的扣球进攻技战术运用效果进行分析,然后以轮次为切入点,对中意女排不同进攻战术打法运用效果进行对比,同时从接发球阵型和拦防阵型两个方面深入剖析中国女排在比赛中存在的主要问题。结果表明:中外女排在总体扣球进攻效果上并无明显差异,但中国女排的扣球进攻效果与意大利女排差距显著,主要表现在第三轮4号位强攻和第四轮2号位快攻上;比赛中,在意大利女排的压迫性发球和针对性拦防双重压力下自身无法形成有效进攻,导致中国女排在这两个轮次上的扣球进攻效果与其存在明显差距。研究认为,在面对意大利女排的大力跳发球时,中国女排应选择解放前排主攻手,改由后排主攻队员承担接发球任务并尝试采用4人接发球阵型;而在面对意大利女排的针对性拦防布局时,中国女排应更合理地选择进攻线路,通过多运用小球技术来增加对手的拦防难度,进而提高自身扣球进攻效果。

基于运动单元累计尖峰序列的脑肌耦合分析

脑肌耦合能够反映大脑皮层和肌肉在感觉运动之间的联系。针对传统表面肌电信号输入-输出非线性的问题,本研究提出一种新的脑肌耦合分析方法。将运动单元分解后能线性传输神经驱动的累计尖峰序列(CST)与脑电信号进行相干性分析,定量描述上肢抓握运动中不同收缩力水平下,不同频段特征的脑肌耦合强度和神经元的共同轴突输入。在10名健康人的指浅屈肌(FDS)和尺侧腕屈肌(FCU)的同步脑肌电数据进行了测试和分析。结果表明,在上肢抓握运动中,频段(F(4,8)=337.2,P<0.01)与收缩力水平(F(2,8)=12.15,P<0.01)均对肌间耦合影响显著,其中β与α频段最为明显,在30%MVC下,β频段相干性均值为0.23±0.10,α频段相干性均值为0.47±0.02。轴突共同输入控制收缩力水平。脑肌耦合整体强度较小,耦合强度最大的为β频段,30%MVC下相干性均值为0.12±0.02。CST脑肌耦合分析显示了脑肌间各个频段、各个收缩力水平的耦合特性和共同轴突输入,为脑肌耦合分析提供了一种新的方法。

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。

基于脉冲序列核的脉冲神经元监督学习算法

脉冲神经元应用脉冲时间编码神经信息,监督学习的目标是对于给定的突触输入产生任意的期望脉冲序列.但由于神经元脉冲发放过程的不连续性,构建高效的脉冲神经元监督学习算法非常困难,同时也是该研究领域的重要问题.基于脉冲序列的核函数定义,提出了一种新的脉冲神经元监督学习算法,特点是应用脉冲序列核构造多脉冲误差函数和对应的突触学习规则,并通过神经元的实际脉冲发放频率自适应地调整学习率.将该算法用于脉冲序列的学习任务,期望脉冲序列采用Poisson过程或线性方法编码,并分析了不同的核函数对算法学习性能的影响.实验结果表明该算法具有较高的学习精度和良好的适应能力,在处理复杂的时空脉冲模式学习问题时十分有效.

基于互相关函数的培养神经元网络动态特征分析

多电极微阵列(multi-electrode arrays,MEA)技术的发展,使同时记录多个神经元活动成为可能。在多电极阵列芯片上体外培养海马神经元网络,采用互相关函数对神经元网络自发信号进行分析。通过分析不同电极上的锋电位序列信号,互相关函数可以找出它们之间的相互联系,从而映射出相应神经元之间的连接状况和动态特性。实验结果表明:互相关函数能够描述神经元网络的结构及神经元间电活动的动态特性,并有助于我们了解神经元群体活动对信息的综合处理与编码。

女子排球运动员鞭打动作功能诊断模型构建与实验研究

起跳、移动、手臂挥击等动作构成了排球运动员专项体能的核心要素,鞭打动作的诊断和训练可以有效提高其手臂挥击能力。通过专家访谈法、特尔斐法构建排球运动员鞭打动作的功能诊断模型;通过测试法提炼与鞭打动作相关性高的测试动作和诊断指标;通过实验法验证动作训练改善鞭打动作弱环节的有效性。发现:1)女子副攻运动员在大负荷强度下的鞭打功率相对主攻较弱,应加强最大力量和鞭打功率训练;2)女子排球运动员随着负荷量增加,速度保持能力较好,功率的提升显著,鞭打动作训练的重点应放在动作的功率训练上;3)女子排球运动员胸、肩前肌群过紧,核心稳定性不够,应重视松解胸、肩前肌群,加强中、下斜方肌的力量,提高核心区稳定条件下的上肢开、闭链运动能力;4)鞭打动作的功能诊断体系由测试动作、诊断指标、诊断标准3个部分构成,通过测试动作和诊断指标,计算诊断标准,确定相应力量主题的训练动作。4周的上体和全身鞭打动作训练能够有效改善上体鞭打功率、全身鞭打功率和躯干贡献率,鞭打动作功能诊断模型与动作训练方法有效。

Information Transmission in Phase Synchronous Chaotic Arrays

We show many versatile phase synchronous configurations that emerge in an array of coupled chaotic elements due to the presence of a periodic stimulus. Then, we explain the relevance of these configurations to the understanding of how information about such a stimulus is transmitted from one side to the other in this array. The stimulus actively creates the ways to be transmitted, by making the chaotic elements to phase synchronize.

高铁螺纹道钉钢TD16的高温塑性变形行为

采用Gleeble-3500型热模拟试验机对高铁螺纹道钉钢TD16进行热压缩变形实验,探索该材料在不同温度和应变速率条件下的热塑性变形行为。研究温度与应变速率对真应力-真应变曲线的影响规律,结合显微组织分析,阐明真应力-真应变曲线发生变化的原因。结果表明,在低应变速率下,流变应力峰值较明显,具有明显的动态再结晶特征。在较高应变速率下,峰值应力不明显,流变应力曲线属于动态回复型,未发生动态再结晶。通过回归分析,建立高铁螺纹道钉钢TD16在实验条件范围内的峰值流变应力本构关系的数学模型。所建立的流变应力本构方程与实验值吻合较好,最大相对误差为7.03%,可以用该本构方程来预测高铁螺纹道钉钢TD16的高温流变行为。

运动力学原理在女子排球扣球技术中的应用

在结合作者多年从事高校女子排球教学及比赛经验的基础上,提出通过运动力学原理改变女排扣球力量,增加比赛时得分几率,并对此进行了分析和论证.结果表明:在女排比赛中应用运动力学原理引导学生运用扣球,有利于增强学生扣球时的自信心,提高扣球稳定性,更好的掌握场上的主动权.

排球正面扣球技术教学的球感练习法

借鉴了运动心理学有关球感的理论 ,依据排球正面扣球动作技术的时间与空间特征 ,结合多年教学的实践经验 ,在分析与探讨了球感练习对排球正面扣球动作技能形成的作用的基础上 ,对排球正面扣球动作技术教学中球感练习选择的依据、练习顺序、练习手段及基本要求以及运用球感练习的基本原则等问题进行了分析与讨论。

力学原理引导排球扣球技术教学的实验研究

在排球传统教学方法基础上,运用力学原理引导扣球技术教学,并对此进行干预性实验研究。结果表明:运用力学原理引导扣球技术教学,能使学生深刻理解技术动作内涵,能在不同击球高度、远度上有效控制击球力量,激发学生学习兴趣,提高教学质量和教学效果。

核心力量训练在排球扣球训练中的应用探讨

采用文献综述和教育经验总结等方法,依据核心力量的理论研究和核心力量训练的要素,紧密结合核心力量与排球扣球技术动作的内在联系,以及核心力量训练在排球扣球中的可行性,提出关于核心力量训练的方法以及注意事项。