化学突触耦合神经元的簇放电同步

本文研究了经化学突触耦合的两个神经元的簇放电同步以及耦合后神经元的簇放电动力学性质.根据簇相位的定义,通过计算得到兴奋性耦合导致两个神经元达到同相簇放电同步,而抑制性耦合则使得两个神经元反相同步产生簇放电.本文给出了衡量单个神经元簇动力学的指标-宽度因子,根据此指标将簇放电模式分类为短簇和长簇两种,并且讨论了不同簇放电模式以及耦合方式对于耦合后神经元簇动力学性质的影响.结果表明兴奋性耦合有利于簇放电的整合,短簇的放电模式对于耦合作用具有鲁棒性.这一结果的研究对于将来神经实验中识别簇放电同步具有指导意义.     

生物神经元系统同步转迁动力学问题

生物神经元系统中存在着丰富的同步模式, 不同同步模式的实现条件已经被广泛地研究. 然而, 不同同步模式之间的转迁是神经动力学研究领域的难点问题, 近年来在此方面开展了许多相应的研究工作. 本文主要阐述近年来在神经元系统同步转迁动力学方面的研究进展, 揭示神经元系统在耦合、时滞和网络拓扑等不同参数作用下呈现的复杂的同步转迁动力学行为及其可能的动力学机制. 最后总结研究进展的内容并提出对同步动力学今后研究的展望.     

神经网络系统

本文介绍了神经网络系统的基本概念和主要特征,讨论了此项研究的目的意义,对该研究的发展历史,特别是近年来关于神经网络的各种理论模型的发展作了简要评述。      

神经动力学研究进展和若干思考

神经动力学是动力学与控制学科的基础性分支,属于力学与脑科学、智能科学的国际前沿交叉学科领域,主要是通过动力学与控制的基本理论和方法,建立合理的模型来探究神经系统电生理动力学行为和脑认知功能的机理.近年来,国内外学者在神经动力学的基础研究方面取得了显著成果,包括神经元和神经元网络动力学行为的深入研究、大脑不同功能结构的建模分析以及神经疾病关联脑区的网络动力学建模与控制等.本文首先对国内外神经动力学研究领域取得的进展做了较全面的概括分析,特别是给出了建模方面的发展历程.进而,基于解析生物神经网络及其动力学的研究成果,对神经动力学未来的研究方向提出了一些思考展望,期望神经动力学的研究将助力具备较强可解释性和泛化能力的类脑智能原理和方法的突破及在重大工程中的应用.     

神经系统疾病与认知动力学(II): 神经振荡与认知动力学

大脑神经系统具有从慢到快多种不同的振荡节律, 这些节律振荡被认为参与了大脑多种功能的实现, 其中高频的伽马同步振荡被认为与大脑的认知功能最为相关. 本文阐述了生物学实验方面关于伽马振荡及其功能的研究进展, 并针对实验中伽马振荡的频率敏感依赖于外部刺激特征的现象, 综述了基于神经网络模型进行变频伽马振荡及其认知功能的动力学建模研究工作, 解释了视觉刺激调控的变频率伽马振荡动力学产生机理, 提出了基于同步抑制增强全局放电率对比度的神经认知机制. 研究成果有助于理解神经系统同步振荡的产生机理及其认知作用, 为大脑认知原理以及类脑智能的研究奠定基础.      

负反馈诱发神经电振荡的反常现象的复杂动力学

传统观念认为,负反馈容易使系统达到稳定平衡点而正反馈容易引起振荡.本研究基于神经元理论模型,提出了负反馈可以诱发稳定平衡点、也就是静息、变为振荡、也就是放电的新观点.在Hopf分岔点附近,作用在静息上的一次足够大的负向脉冲电流的抑制性刺激,能够引起一个动作电位及随后的衰减振荡的后电位;而能够在后电位上诱发出动作电位的负脉冲电流强度阈值也是衰减振荡的.在模型中,引入具有时滞($\tau$)的负反馈来模拟抑制性自突触,一个动作电位诱发的负反馈自突触电流会作用到比动作电位延迟$\tau$的后电位上.随时滞增加,能够诱发出放电的负反馈增益强度阈值呈现出具有衰减振荡特点的类似多重相干共振的特性,衰减振荡的周期与电流阈值曲线的周期以及分岔点附近的放电周期相关.另外,负反馈还能诱发出放电与静息共存的复杂行为.本研究的结果不仅揭示了负反馈的新的反常调控作用,还有助于理解在现实神经系统中存在的慢抑制性自突触的潜在功能.      

第二届认知神经动力学国际会议简介

<正>对于大脑的智能之谜,我们还是可望而不可及.大脑的智能牵涉到从量子到社会的各个层次,为了研究这个问题,必须要用到各种学科知识,从各种角度来进行研究.其中一个非常重要的途径就是把大脑作为一个动力学系统来进行研究.许多科学家认识到为了研究脑,需要     

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。     

神经能量与神经信息之间内在动力学关系初探

根据信息论的基本原理和方法,运用最小互信息和最大熵原理对神经编码进行研究和分析.通过对两个原理的基本介绍,描述了最小互信息和最大熵原理是如何用于评估神经反应中的信息量.研究结果表明神经信息的表达和神经能量的利用率密切相关,并发现高度进化的神经系统在能量的消耗和利用上严格遵循着经济性和高效性两个基本原则.为了验证神经信息处理与能量利用率的关系,提出了信能比的新概念,用于衡量最大熵原理对应神经系统在能量利用率上的经济性和高效性.并通过数值计算证实了一个猜想,即神经系统所消耗的能量反映了神经信息处理的内在规律,这为进一步研究一种崭新的神经信息处理原理——能量神经编码奠定了重要的理论基础.      

周期轨道:研究神经元动力学特性的一种新语言

一种新的非线性动力学分析方法已用于神经元系统的复杂性行为的研究．这种分析的概念的基础是将所观察到的神经元活动抽象成用非稳定周期轨道的分级所描述的动力学图．在哺乳动物脑的三个具有代表性的不同组织层次的数据集中可以精确辨识出非稳定周期轨道、非稳定周期轨道分析提供了一种解码、预测和控制这些神经元系统的新奇的可供选择的方法．     

对当前神经网络研究的几点看法

本文对目前国内神经网络研究小存在的一些问题提出几点看法并分析了原因．着重阐述了神经网络研究的目的、意义和特点,研究的艰巨性与长期性,研究方法上该注意的问题等．      

基于神经网络对扁壳结构载荷位置识别问题的研究

在建立扁壳结构识别问题的力学模型基础上,运用神经网络方法构造了三层结构的神经网络,并以此对扁壳在集中力作用下的载荷位置的识别问题进行了研究.结果表明,采用有限元方法获取基本样本,运用神经网络方法对扁壳结构载荷位置的识别具有较好的效果.     

人工神经网络非线性动力学及应用

综述神经网络系统非线性动力学行为及其与网络性能的联系和在科学和工程中的应用；讨论了神经网络的权值动力学系统和状态动力学系统的动态过程，神经网络的稳定性和鲁棒稳定性，高阶关联网络的性能、张量描述、吸引性和复杂性，神经网络设计和综合的分叉理论；说明了神经网络动力学分析的意义和重要性．     

基于循环神经网络的海冰弯曲强度预测分析

海冰弯曲强度是确定锥体海洋平台、船舶和港口码头等斜面工程结构冰载荷的重要参数,是海冰力学性质的主要研究内容。本文首先对2009—2010年的渤海海冰三点弯曲试验数据进行总结,分析了温度、盐度、密度及孔隙率对海冰弯曲强度的影响。基于现场试验数据建立了海冰弯曲强度的循环神经网络（recurrent neural network,RNN）预测模型,并采用随机梯度下降法和Adam优化算法对RNN预测模型进行了优化。本预测模型将海冰温度、盐度、加载速率和密度等参数作为输入,将海冰弯曲强度作为输出。在建模过程中,数据被随机排序和归一化处理,并采用评价指标评估其模型的准确性,对RNN预测模型进行优化。将RNN模型对海冰弯曲强度的预测结果与试验经验公式结果进行了对比。预测结果表明,RNN模型对海冰弯曲强度的预测精度显著优于试验经验公式分析结果。该预测模型能有效解决海冰弯曲强度与其影响因素间的复杂的非线性关系,可为海洋工程结构的抗冰设计提供参考依据。

     

车辆纵向非光滑多体动力学建模与数值算法研究

在建立车辆纵向多体系统的动力学模型中, 将车身与车轮视为刚体, 两者通过减振器链接; 将传动系统视为一个圆盘通过扭簧和阻尼器与驱动轮连接; 将车轮与路面间的接触力简化为法向约束力、摩擦力和滚阻力偶,其中摩擦力的模型采用库仑干摩擦模型. 采用笛卡尔坐标作为该系统的广义坐标用于描述该系统的位形, 给出系统单双边的约束方程, 应用第一类拉格朗日方法建立了系统的动力学方程. 由于摩擦与滚阻的非光滑性, 使得该系统动力学方程不连续. 为便于计算, 建立了车轮与路面接触点的相对切向加速度与摩擦力余量的互补条件、车轮角加速度与滚阻力偶余量的互补条件, 以及车轮轮心法向加速度与路面法向约束力的互补条件. 将接触—分离、黏滞—滑移的判断问题转化成线性互补问题的求解, 并给出了具有约束稳定化的基于事件驱动法的数值计算方法. 最后, 应用该方法对车辆纵向多体系统进行了仿真, 分析了输出扭矩、摩擦及滚阻系数对其动力学行为的影响.      

基于遗传神经网络的锚杆极限承载力预测的研究

针对BP人工神经网络具有易陷入局部极小等缺陷,提出了将遗传算法与神经网络结合,同时优化网络结构的权值与阈值的思想,建立了基于遗传算法的锚杆极限承载力预测的遗传神经网络模型。该模型以低应变动测的5个变量作为输入变量来对锚杆极限承载力进行预测,并与BP神经网络预测结果进行比较。数值算例表明,遗传神经网络在锚杆极限承载力预测中具有较高的计算效率和识别精度。     

爆破地震峰值预报神经网络研究

在分析某核电站一期地面爆破振动监测结果的基础上,用神经网络理论建立了爆破振动加速度峰值的预报模型,提出了神经网络模型预报加速度峰值的方法。将神经网络模型预报的结果与传统方法（经验公式法）预报的结果相比,前者的预报结果有明显的改善。     

基于级连相关神经网络的人工冻土本构模型

为解决BP (back propagation) 神经网络收敛速度慢,网络结构需事先定义等缺点,采用了级连相关神经网络模型来建立人工冻土应力和应变之间的关系. 基于该模型推导了冻土的一致刚度矩阵形式,利用人工冻土三轴试验数据对神经网络模型进行训练,并用其替换有限元计算中的传统本构模型,将计算结果与性质及含水率相同的冻土的试验结果进行了对比,发现该神经网络本构模型很好地反应了材料的非线性,能够改善数值计算结果,与实测结果吻合地很好,比具有相同隐含层神经元个数的BP 模型更接近实测结果.     

CONSTITUTIVE MODEL OF ARTIFICIAL FROZEN SOIL BASED ON CASCADE-CORRELATION NEURAL NETWORK

为解决BP (back propagation) 神经网络收敛速度慢,网络结构需事先定义等缺点,采用了级连相关神经网络模型来建立人工冻土应力和应变之间的关系. 基于该模型推导了冻土的一致刚度矩阵形式,利用人工冻土三轴试验数据对神经网络模型进行训练,并用其替换有限元计算中的传统本构模型,将计算结果与性质及含水率相同的冻土的试验结果进行了对比,发现该神经网络本构模型很好地反应了材料的非线性,能够改善数值计算结果,与实测结果吻合地很好,比具有相同隐含层神经元个数的BP 模型更接近实测结果.