面向癫痫的神经元微环境动力学建模方法

癫痫是由大脑神经元超同步异常放电所引起的一种常见的慢性神经系统疾病。大量生理实验和神经计算建模研究表明,神经元异常放电是癫痫发作的电生理基础,而神经元微环境动力学改变是引起神经元结构和功能发生变化,进而刺激神经元异常放电,导致癫痫发作产生和发展的潜在原因。基于此,本文首先从影响神经元微环境改变的四个主要因素(离子浓度、能量代谢、神经递质和细胞体积)出发,分别就其动力学建模的神经机制和建模方法两方面进行系统阐述与分析,然后对未来可探索的研究方向进行展望,以期更加全面地了解该领域的发展动态和研究进展,为进一步研究癫痫异常放电模式的动力学本质以及癫痫发病的神经机制奠定良好的理论基础。

一种多权值神经元覆盖网络的构造方法

仿生模式识别利用多权值神经元覆盖网络构造模式类的覆盖来进行相应事物的识别.但在构造多权值神经元覆盖网络的过程中,关于构造神经元个数的确定方法没有相关讨论,即需要使用多少个神经元才能完成对模式类的覆盖.较多的神经元在精确的对模式类进行覆盖同时,也增大了网络的复杂度.文中提出了一种多权值神经元覆盖网络的构造方法.在保持神经网络对模式类的覆盖能力的基础上采用尽量少的神经元,从而能有效的降低神经网络构造代价.最后,通过实验作者验证了算法的有效性.

一种改进的人工神经网络模型

提出一种新型人工神经网络模型,称为"基于模式神经元的人工神经网络(Pattern Neuron Based Artificial Neural Net-work,PNBANN)"。与现有的神经计算网络不同,PNBANN是一种完全基于神经元连接的网络模型。网络中的每一个神经元都唯一代表一种模式,每当接收新模式时,自动建立一个新的连接,把信息存储在网络中;而接收已有的模式时,已有的神经元连接得到加强。当模式神经元的输出达到所设定的感觉阈值时,对应模式的信息被记忆。因此,PNBANN就是不断地接收、存储各种信息,并把感觉足够强的模式记忆下来,这一过程更接近于人脑的学习、记忆过程。实验结果证明,PNBANN学习效率高,在学习新知识时不会影响已有的知识,同时具有很强的识别能力。

基于仿生模式识别的构造型神经网络分类方法

提出了一种基于仿生模式识别理论的神经网络构造方法.仿生模式理论认为:"同类而不完全相等的事物之间,必至少存在一个渐变过程,在这个渐变过程中间的各事物都是属于同一类的".利用这一理论,从不同结构神经元模型在高维空间中的几何意义出发,通过对一种新型的神经网络的构造,实现了对不同类样本在高维空间中形成的不同形状几何体的覆盖,从而达到分类的目的.通过双螺旋曲线的分类实验,证明了这种神经网络具有很好的识别效果.

基于仿生模式识别的手写体汉字识别方法的研究

为了提高机器识别汉字的容错性和准确性,运用仿生模式识别手写体汉字,并以机器"认知"取代机器对特征样本的"区分",研究了手写体汉字的识别方法。该方法先采用双权值椭圆形神经元对汉字的横、竖、撇、捺4类基本笔段进行覆盖;然后通过分析笔段神经元间的拓扑性质来合成具有容错表征方式的6种汉字笔划类型;接着模仿人类汉字形码输入法,通过统计具有冗余容错形状的笔划神经元类型、数量、位置和相合相交数量,建立了手写体汉字特征知识的数据结构表;最后模仿人学习、记忆及对比判断的能力,先验地建立了标准印刷汉字的样本知识库和容错匹配方法。通过对SCUT-IRAC手写体汉字库中的简单和较复杂手写体汉字识别进行的仿真实验结果表明,该方法具有接近人类识别汉字的容错性和准确性。

仿沙蚁神经处理机制的偏振光导航方法研究

单点偏振光导航方法只能检测部分天空区域的大气偏振模式,所获取的导航信息依赖于观测位置,具有一定的局限性。通过模仿沙蚁感知偏振光并解析航向信息的3个层次,即小眼阵列对偏振信息的接收、POL-神经元的信息响应以及大脑神经元的航向计算,设计了一种仿沙蚁神经处理机制的偏振光导航信号处理模型,实现了全天域大气偏振模式的E-矢量分布与航向信息之间的映射。开展了模仿沙蚁导航行为的仿真实验,结果表明,该模型验证了沙蚁感知偏振光并解析航向角的信号处理机制,为偏振光导航传感器的设计提供了新的思路。

模糊神经网络在运动员脚力信息识别中的应用

采用了一种基于模糊神经网络的方法进行运动员脚力信息的识别,该方法利用模糊隶属度函数扩张和收缩以及前向网络的误差反馈原理,构成了一种改进的模糊神经网络结构,采用了分级的训练和学习方法,运用于举重运动员抓举动作的识别中,并获得了较理想的效果。脚力信息的识别是笔者提出的基于计算智能的数字运动员人体模型的前提和基础。

中枢模式发生器网络步态运动

采用相对简单的Rayleigh振荡器作为中枢模式发生器(CPG)控制器,建立网络模型,针对该方法对多神经元耦合描述的不足,在单神经元和双神经元模型的基础上添加一个神经元,建立了三神经元模型。利用该模型分别模拟髋关节、膝关节和踝关节运动,实现了对步态运动过程中腿部各关节的模拟。仿真结果表明,用Rayleigh振荡器构建的CPG能够很好地模拟多神经元的生理特性,Rayleigh振荡器作为CPG控制器建立多神经元网络模型是可行的。

基于仿生模式识别的构造型神经网络分类方法

从BP神经元模型和RBF神经元模型几何意义出发,将仿生模式识别理论引入到神经网络分类中,提出了一种基于仿生模式识别的构造型神经网络分类方法,通过构造不同结构神经元结合的神经网络,实现了对不同类样本在高维空间中形成的不同形状几何体的覆盖。实验证明该算法是非常有效的。

神经元适应算法在合金钢生产实验设计中的应用

讨论了神经元算法对线性可分模式空间的适应性,将其应用于某合金钢生产优化区的寻找,并将之与主成分分析法所得结果作了比较,研究结果表明,神经元算法简单、可靠性高,是一种自学习的模式识別的好方法。

多值和多阈值神经元及其网络组合与应用

本文提出了输出特性具有多值和多阈值特性的神经元。这种新神经元的功能在于它用多个阈值把输入空间划分成多个超平带，并可把各个超平带按需求归类或赋以不同的输出值作为标号。以这类神经元为基础讨论了在解决奇偶校验问题和实现特定逻辑功能方面的优越性。理论上只需一个神经元就能实现任意位的奇偶校验或任意的逻辑功能，因而特别适合在模式识别和分类中应用。论文还研究了多阈值神经元的组合问题，发现二个多阈值神经元的特定组合可以发生阈值数量的倍增现象，这为复杂多阈值神经元的模拟计算与硬件实现提供了方便途径。

一种新的RBF神经元网络分类算法

为了改善对人工神经网络行为的认识和研究中的"黑匣子"式的难以处理的状态,基于RBF神经元模型的几何解释,提出了一种新的RBF神经网络分类算法,算法把RBF神经元看作是高维空间里的超球面,从而将神经网络训练问题转化为点集"包含"问题。同传统的RBF网络相比,算法能够自动地优化RBF网络中核函数的个数、中心和宽度,同时,省去了传统RBF神经网络输出层线性连接权的计算,简化了网络的学习过程,大大缩短了训练时间,并且通过实验证明了算法的有效性。

一种基于单层逻辑神经元网络的通用自适应模式识别系统

本文首先分析了组成单层逻辑神经元网络(SDLN)的逻辑神经元与McCulloch-Pitts 神经元之间的差异,指出了逻辑神经元可用二值逻辑设备(如RAM)实现的特点.其次,讨论了基于SDLN的通用自适应模式识别系统的结构和工作过程.

人工神经网络理论及其应用

简要介绍了人工神经网络的发展过程和基本理论,从神经网络具有自学习功能、联想存储功能和高速寻找优化解的能力三个方面论述了其特点和优越性,详细阐述了在模式识别、信号处理、自动控制、人工智能、自适应的人机接口、优化计算、通信以及其它方面的应用,探讨和分析了其发展前景。

基于仿生模式识别的医学图像分割方法

提出了一种基于仿生模式识别的医学图像分割算法。该算法首先根据训练样本矢量确定ψ3神经元的权值,并在此基础上构建多权值神经元网络;然后利用神经元网络完成样本在高维特征空间的最佳覆盖;最后根据覆盖结果进行识别、分割。实验结果表明,与传统医学图像分割方法相比,该算法具有更高的准确性和可靠性,更好的泛化能力。此外,该算法从"认识"的角度出发,可以有效融合先验知识,能快速准确地从医学图像中分割出感兴趣的区域,具有较高的智能性。

神经网络与污损的手写印刷体字符的识别

通过比较各种模式识别方法的特点，确定了用神经网络方法识别污损的手写印刷体字符的可行性和必要性，介绍了神经网络摸式识别系统，讨论了用神经网络方法对污损的手写印刷体字符的识别。

基于中枢模式发生器的机器人行走控制

基于中枢模式发生器(central pattern generator,CPG)的动物运动控制机理实现四足机器人AIBO的行走控制.利用Kimura振荡神经元构建CPG分布式控制网络,通过多目标遗传算法优化调整CPG网络中的参数,在AIBO上实现类似动物行走(walk)的行走模式.通过Webots仿真和实体实验,验证所设计的CPG控制网络和控制方法的可行性与有效性.

经颅磁声电刺激参数对神经元放电模式的影响分析

经颅磁声电刺激(TMAES)是一种超声波和静磁场共同作用于大脑的新型无创脑调控方法,具有较大的刺激深度和良好的聚焦性。为了探索TMAES对脑神经兴奋状态的影响,该文基于H-H神经元模型,仿真了不同发射参数超声波下TMAES对神经元放电模式的影响,并采集了刺激后大鼠的局部场电位对其功率谱进行分析。仿真结果表明,不同参数超声波刺激的神经元会产生不同放电模式。动物实验结果表明超声及静磁场参数均会对经颅磁声电刺激的刺激效果产生一定影响,且其影响程度不同。对于具体神经调控,该文可为得到最优TMAES刺激参数提供理论指导。

脉动型神经元网络的联想记忆与分割

以广泛讨论的Hodgk in-Hux ley神经元节点组成脉动神经元网络,从神经系统空时模式编码理论研究网络的记忆(或模式)存储与时间分割问题。给定一个输入模式,它是几种模式的叠加,网络能够以一部分神经元同步发放的形式一个接一个地在时间域分割出每一种模式。如果输入的模式是缺损的,系统能够把它们恢复成完好的原型,即神经网络的联想记忆功能。

统计参数在变压器局部放电模式识别中的应用

对局部放电进行模式识别可以了解放电类型和严重程度,为故障诊断和检修提供参考依据。为此将Weibull统计分布参数用于局部放电模式识别当中,采用仿真分析和模型试验的方法证明了局部放电的脉冲高度分布符合Weibull统计分布规律。在统计放电脉冲高度分布时对放电幅值进行了归一化处理,将放电累积概率为99%的放电幅值作为归一化因子,以消除试验中偶然出现的大的随机放电脉冲干扰的影响。使用工频电压正负半周的Weibull统计分布的形状参数、放电幅值中心和放电相位中心共6个参数作为特征向量,以人工神经网络为分类器,对放电类型获得了超过85%的识别率。研究表明,这种故障模式的表征方法具有模式特征数量少、表征能力强等优点,采用人工神经网络方法可以准确识别不同模式的放电,具有较高的识别率。