Small-World Connections to Induce Firing Activity and Phase Synchronization in Neural Networks

We investigate how the firing activity and the subsequent phase synchronization of neural networks with smallworld topological connections depend on the probability p of adding-links. Network elements are described by two-dimensional map neurons （2DMNs） in a quiescent original state. Neurons burst for a given coupling strength when the topological randomness p increases, which is absent in a regular-lattice neural network. The bursting activity becomes frequent and synchronization of neurons emerges as topological randomness further increases. The maximal firing frequency and phase synchronization appear at a particular value of p. However, if the randomness p further increases, the firing frequency decreases and synchronization is apparently destroyed.     

DSWT-FTIR-RBFNN鉴别罂粟和虞美人

采用水平衰减全反射傅里叶红外光谱法(HATR-FTIR)测定罂粟和虞美人的FTIR,由于两者为同科同属中药材,所含化学成分较为相近,为了更好地突出罂粟和虞美人在FTIR上的差异,并据此进行正确分类识别,利用离散平稳小波变换(DSWT)分别对罂粟和虞美人的种皮和种仁的FTIR进行若干尺度的变换,从中选择2个最具代表性的尺度作为特征提取的尺度空间.根据罂粟和虞美人的FTIR分布情况,确定将DSWT域内2个尺度的FTIR分别划分为2个特征区域并以每个区域内的光谱能量作为特征参数.从而构造一个包含8个特征参数的特征向量,将这个特征向量输入到径向基函数神经网络(RBFNN)进行训练,从而达到正确识别罂粟和虞美人的目的.实验中共取罂粟和虞美人的FTIR数据128对,其中训练样本78对,测试样本50对.实验结果表明利用文章的方法对罂粟和虞美人的正确识别率分别为99.8%和99.9%,从而验证了方法的有效性.     

时滞离散神经网络的同步控制

利用既有效又便于实施的时滞状态反馈控制器,根据所给定的条件构造相应的不等式,研究了带有时滞的离散神经网络模型的同步控制问题,给出了该离散系统指数同步的充分条件.在设计同步控制的时候,没有假设激励函数的有界性、可微性和单调性,给出的条件简便易实施.数值结果进一步证明了该控制方法的有效性. 关键词： 离散神经网络 时滞 同步     

SET-MOS混合结构的细胞神经网络及其应用

基于细胞神经网络（CNN）细胞单元的等效电路及其电学特性模型,利用SET-MOS混合结构反相器实现了模型中的激活函数电路,用耦合电容单元实现CNN细胞的系统模板,构建了SET-MOS CNN细胞硬件电路,并将其应用在图像处理中.仿真结果表明,所设计的CNN硬件电路具有结构简单、功耗低、响应速度快等特点,可用于构成各种规模的CNN电路,进一步满足大规模信号处理的需求及提高集成电路的集成度. 关键词： 单电子晶体管 MOS管 细胞神经网络 图像处理     

色貌模型的人工神经网络方法的研究

色貌模型(CAM)主要解决不同观察条件、不同背景和不同环境下的颜色真实再现问题。采用人工神经网络(ANN)的方法来实现目前最新的色貌模型CIECAM02的预测,包括正向预测(从色度参数到色貌属性参数)和逆向预测(从色貌属性参数到色度参数),应用自然色系统(NCS)中的部分色样作为神经网络的训练和测试样本。由于正向输出色貌属性参数空间不是均匀的,对于网络预测精度用特殊方法评估,而对于逆向模型则可直接利用LAB色差公式评价。测试的结果表明:用神经网络对CIECAM02模型的预测达到了较高的精度。     

时滞分流抑制型细胞神经网络的周期解的指数稳定性

利用适当的李亚普若夫泛函,研究了时滞分流抑制型细胞神经网络的周期解的指数稳定性.     

径向基神经网络微分脉冲溶出伏安法同时测定铅、镍和镉

径向基函数神经网络(RBFN)用于分析重叠的伏安信号;一个名为径向基神经网络的程序(PRBFN)被设计用于执行有关计算;RBFN法成功地应用于微分脉冲阳极溶出伏安法同时测定Pb(Ⅱ),Ni(Ⅱ)和Cd(Ⅱ);RBFN和偏最小二乘(PLs)法的所有组分相对预测标准偏差(RSEP)分别为4．8％和5．6％;试验结果表明RBFN法是解决局部最小和改善收敛速率的一种有价值的工具。     

材料非线性粘弹性本构关系的神经网络模拟

对Green-Rivlin非线性粘弹本构方程给出了用一个三层时延前馈神经网络表示的等价关系,从而利用该网络可以求解G-R方程中的各阶核函数,并给出了根据有机玻璃的一组实验数据计算核函数的应用实例,由此指出神经网络方法可广泛应用于材料本构关系的研究。     

近红外光谱与烟草样品总糖含量的非线性模型研究

针对烟草样品的近红外 (NIR)光谱与其总糖含量非线性相关的特点 ,提出了一种混合算法用于建立近红外光谱的非线性模型。该算法结合了偏最小二乘法 (PartialLeastSquare ,PLS)算法和人工神经网络(ArtificialNeuralNetwork ,ANN) ,把模型分成两个部分 :线性部分与非线性部分 ,并分别进行建模。与传统的多元校正算法PLS ,主成分回归 (PrincipleComponentRegression ,PCR) ,非线性PLS(NonlinearPLS ,NPLS)等相比 ,该混合算法所建的非线性参数模型的预测结果有明显的改善 ,从而为建立非线性模型提供了一种快速、准确的算法 ,可用于烟草样品总糖含量的定量分析。     

基于主成分分析和小波神经网络的近红外多组分建模研究

将小麦叶片原始光谱经过预处理后,采用主成分分析(PCA)对数据进行降维,取前3个主成分输入小波神经网络,建立了基于主成分分析和小波神经网络的近红外多组分预测模型(WNN);进一步研究了小波基函数个数的选取(WNN隐层节点数)对小波神经网络模型性能的影响,并将WNN模型与偏最小二乘法(PLS)和传统的反向传播神经网络(BPNN)模型进行了比较.结果表明,所建立的WNN模型能用于同时预测小麦叶片全氮和可溶性总糖两种组分含量,其预测均方根误差(RMSEP)分别为0.101%和0.089%,预测相关系数(R)分别为0.980和0.967.另外,在收敛速度和预测精度上,WNN模型明显优于BPNN和PLS模型,从而为将小波神经网络用于近红外光谱的多组分定量分析奠定了基础.