Towards a unified recurrent neural network theory: The uniformly pseudo-projection-anti-monotone net

In the past decades, various neural network models have been developed for modeling the behavior of human brain or performing problem-solving through simulating the behavior of human brain. The recurrent neural networks are the type of neural networks to model or simulate associative memory behavior of human being. A recurrent neural network (RNN) can be generally formalized as a dynamic system associated with two fundamental operators: one is the nonlinear activation operator deduced from the input-output properties of the involved neurons, and the other is the synaptic connections (a matrix) among the neurons. Through carefully examining properties of various activation functions used, we introduce a novel type of monotone operators, the uniformly pseudo-projectionanti-monotone (UPPAM) operators, to unify the various RNN models appeared in the literature. We develop a unified encoding and stability theory for the UPPAM network model when the time is discrete. The established model and theory not only unify but also jointly generalize the most known results of RNNs. The approach has lunched a visible step towards establishment of a unified mathematical theory of recurrent neural networks.     

三种生成神经网络拓扑结构的方法在股票、商品价格预测中的应用及结果比较

对比了三种不同神经网络模型的生成方式:传统神经网络生成模型,遗传算法训练神经网络模型,以及在第二种方式训练参数的基础上,再使用传统神经网络优化生成模型.论文使用上述三种方法对代表性股票和商品价格进行拟合并预测,通过预测结果准确性和稳定性的比较发现:引入遗传算法后的神经网络在样本内的拟合误差有所降低,而第三种方法在样本外有最低的预测误差和最优稳定性.     

带有摄动的随机非线性系统的自适应神经网络控制

针对一类带有摄动的随机严格反馈非线性系统,引入积分型Lyapunov函数,利用神经网络的逼近能力,后推设计方法以及Young's不等式,构造出一类简单有效的自适应神经网络状态反馈控制器,在一定条件下,通过Lyapunov方法,证明了闭环系统的所有信号在二阶或四阶矩意义下半全局一致终结有界.仿真结果验证了所提控制方案的有效性.     

油田开发指标系统的概率模拟预测

基于油田开发指标系统的复杂性和其影响因素带有明显的随机特征,从理论和实用上研究了油田开发指标系统的不确定性预测方法.方法提出采用神经网络建立开发指标和影响因素的关联关系;利用微分模拟研究开发指标的影响因素的概率分布;使用蒙特卡罗方法对影响因素进行随机抽样;依据得到的关联关系和影响因素的随机样本建立油田开发指标的概率预测模型.此外,设计了概率模拟器.实例研究表明开发指标的预测值以某概率落在某个区间内,这可为决策者做出符合实际的决策和准备应急决策方案提供依据.     

一类不确定离散混沌系统的自抗扰控制器与小脑神经网络并行优化控制

针对一类受扰不确定离散非线性混沌系统,提出了基于免疫动态微粒群优化策略的ADRC与CMAC神经网络并行控制方法(ADRC-CMAC).ADRC控制器抑制系统扰动,保证系统的稳定性;CMAC神经网络控制器实现前馈控制保证系统的控制精度和响应速度.利用动态免疫微粒群算法对ADRC-CMAC并行控制器参数进行全局优化.实验结果表明该控制方法具有较快系统的响应速度,较好的抗干扰能力,控制精度高. 关键词： 自抗扰控制器 小脑神经网络 并行控制 混沌系统     

分子荧光-基于主成分分析优化输入变量的径向基函数神经网络法测定尿液中的诺氟沙星

将主成分分析用于优化径向基函数神经网络的输入变量,用于提高神经网络模型的预测能力。方法能有效地解决分子荧光光谱法测定尿液中诺氟沙星过程中尿液中内源性荧光物质的干扰。在优化条件下,径向基函数神经网络模型对尿液中诺氟沙星的平均预测误差为15.34%,神经网络结构为2∶3∶1。方法已用于测定尿液中的诺氟沙星。     

唐家山堰塞湖泄洪问题的研究

研究的是唐家山地震次生灾害引发的堰塞湖问题.首先对数字高程地图进行等高图像分析求解了堰塞湖不同高程水位对应的湖区面积,建立了蓄水量体积与堰塞湖水位高程的离散化模型,然后建立了神经网络模型和多元线性回归模型研究了北川降雨量与堰塞湖入库流量的关系,继而求解得到不同降雨量下每日堰塞湖水位高程.在研究泄洪过程时,首先通过对泄洪过程和溃坝过程内在机理的研究分别建立了正交多项式逼近模型和仿真模型得到溃坝时的溃口流量随时间变化的关系,继而分析求解得到溃坝时其他参数随时间变化的关系.针对淹没区的问题,综合数字高程地图和行政区域地图,利用数字地图计算了洪水到达各被淹没区域的时间,淹没范围,以便于确定撤离方案.     

关于脑信号传输的神经动力学分析

运用随机相变动力学理论和方法建立了一个由感知神经元集群、中间神经元集群和运动皮层神经元集群组成的一个神经网络模型.依据所建立的模型,分别考察了串并耦合、串联耦合以及单向耦合3种情况下神经网络所表现的神经信息处理的动力学特征.研究结果表明,由给出的中枢神经系统神经信息处理的基本结构,能够大致反映反射运动和随意运动情况下神经信息处理的基本特征.数值地证明了随意运动所引发的各个局部神经网络的兴奋,特别是运动皮层神经元集群的兴奋比反射运动条件下的兴奋大得多.反映了随意运动条件下,有更多的神经元参与了神经信息处理和兴奋性同步运动.     

神经网络中行波的传播速度分析

本文研究神经细胞学中一类积分一微分方程行波解的传播速度.众所周知,不同的生物机制通常用不同的方程来模拟,这些方程的行波解具有不同的波速.本文的主要目的就是研究各种不同的生物机制和动力学过程如何影响波速.这些结果对神经科学的研究非常有意义.