关于稀疏编码在图像处理中的神经动力学分析

初级视皮层V1区神经细胞采用稀疏编码的形式来有效表示自然场景,自然场景的稀疏编码模型可以解释V1区神经元的一些生理学性质,但是我们不知道这种编码模型是否可以通过生物学上的局部突触可塑性规则学习得到。由于生物神经网络中存在一种侧抑制现象即局部竞争,我们基于这种现象并利用突触局部可塑性规则建立了一个发放的神经网络动力学模型。对V1区细胞的感受野进行了仿真,同时利用模型得到的稀疏重构系数,对重构残差进行了讨论。研究表明利用稀疏编码可以得到V1区简单细胞的感受野,同时利用自然图像的输入说明了该动力学模型在生理学意义上的合理性。

自适应多尺度熵在脑死亡诊断中的应用

本文引入自适应多尺度熵的方法,并结合当前常用的经验模型分解的方法,使得数据尺度能自适应的被获取.通过从原数据中不断移除低频或高频成分,自适应多尺度熵能够在"从粗糙到精细"或是"从精细到粗糙"的尺度下用样本熵估计求得.模拟结果用来确认了其有效性,同时我们将其应用到脑死亡诊断中,用来区分脑死亡病人和昏迷病人在脑电信号上的不同.