大脑血液动力学现象中的能量编码

神经信息的编码与解码是神经科学中的核心研究内容,同时又极具挑战性.传统的编码理论都具有各自的局限性,很难从脑的全局运行方式上给出有效的理论.而由于能量是一个标量具有可叠加性,因此能量编码理论可以从神经元活动的能量特征出发来研究脑功能的全局神经编码问题,取得了一系列的研究成果.本研究以王-张神经元能量计算模型为基础,构建了一个多层次结构的神经网络,通过计算机数值模拟得到了神经网络的能量消耗和血液中葡萄糖供能的变化情况.计算结果显示,和网络的神经活动达到峰值的时间相比,血液中葡萄糖的供能达到峰值的时间延迟了约5.6s.从定量的角度再现了功能性核磁共振(fMRI)中的血液动力学现象:大脑某个脑区的神经元集群被激活以后经过5~7 s的延迟,脑血流的变化才会大幅增加.模拟结果表明先前发表的由王-张神经元模型所揭示的负能量机制在控制大脑的血液动力学现象中起着核心的作用,预测了刺激条件下大脑的能量代谢与血流之间变化的本质是由神经元在发放动作电位过程中正、负能量之间的非平衡、不匹配性质所决定的.本文的研究结果为今后进一步探究血液动力学现象的生理学机制提供了新的研究方向,在神经网络的建模与计算方面给出了一个新的视角和研究方法.      

基于EMD-PSO-LSTM组合模型的船舶运动姿态预测

由于船舶在海上航行时的高随机性和复杂性,单一模型预测能力有限,难以做出准确姿态预测。因此,提出一种基于经验模态分解(EMD)和粒子群优化(PSO)的长短期记忆神经网络(LSTM)的组合预测模型,对船舶运动姿态进行预测。首先通过EMD算法将由惯性导航系统在实时测量得到的船舶运动姿态数据进行分解,得到有限个本征模函数(IMF)。然后,利用PSO-LSTM模型学习各IMF分量的短期时序规律并进行预测,将各IMF分量的预测值相加得到最终的预测结果。基于实测数据进行仿真的结果表明,该组合预测模型分别比LSTM模型和PSO-LSTM模型在姿态角的预测中平均绝对百分比误差分别降低了约11%和7%,有效提高了船舶运动姿态预测精度。     

空间机器人捕获航天器后基于无源性理论的鲁棒镇定控制

研究了漂浮基空间机器人捕获非合作航天器过程对系统产生的冲击效应及其后联合体系统镇定运动的控制问题。为此,利用拉格朗日方法及牛顿-欧拉法分别获得了捕获前空间机器人及目标航天器的动力学模型;结合动量守恒定律、系统运动几何关系及力的传递规律,分析了捕获过程相互碰撞所产生的冲击效应,建立了捕获完成后两者联合体的系统动力学模型。在此基础上,针对同时存在不确定参数及外部扰动的联合体系统,设计了基于无源性理论的镇定运动神经网络H_∞鲁棒控制算法。本文提出的基于无源性理论设计的鲁棒控制算法具有良好的动态特性及较强的鲁棒性,可快速完成系统的镇定控制,实现轨迹的精确跟踪。系统数值模拟仿真验证了本文控制方案的正确性。     

基于小波神经网络的中国能源需求预测模型

通过分析影响我国能源需求的主要因素,建立了基于小波神经网络的需求预测模型.采用定性与定量相结合的方式,分析了影响我国能源需求的主要因素,通过将人口总数、GDP、产业结构变化以及能源消费量的一阶滞后作为输入变量,建立基于小波神经网络的我国能源需求非线性预测模型.实验结果表明,该非线性预测模型与多元回归模型相比更加合理,具有更高的预测精度.     

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.     

具有不确定性的分数阶时滞复值神经网络无源性

该文研究了一类具有不确定性和时滞的分数阶复值神经网络无源性问题,未将复值神经网络模型拆分成两个实值系统,而是将复值系统当成一个整体直接进行处理.通过构造恰当的Lyapunov函数,并利用矩阵不等式技巧,建立了网络无源性的线性矩阵不等式判据.给出的数值例子和仿真验证了获得结论的可行性和有效性.     

变时滞BAM神经网络的全局指数稳定性

研究一类变时滞BAM神经网络平衡点的全局指数稳定性问题.在不要求激励函数全局Lipschitz条件下,通过构造合适的Lyapunov泛函,并结合Young不等式,得到了BAM神经网络模型在一定条件下全局指数稳定的一些充分条件,推广和改进了前人的相关结论,为综合设计指数稳定的时滞BAM神经网络提供了依据.     

基于网络媒体信息的传染病传播模型及其仿真研究

当一种突发传染病开始流行时,政府、媒体会以各种形式告知民众,有防范意识的民众将采取一定的防范措施来降低感染率.考虑面对一种突发传染病,将易感群体划分为具有防范意识和不具有防范意识两种群体,利用生命周期理论,分析网络媒体信息报道对传染病传播的影响,以此为依据建立一种改进的传染病传播模型(MSI).利用网络大数据得到对传染病有防范意识群体的观测值信息,利用神经网络技术对模型MSI的参数进行反演.然后对模型MSI数值仿真得到传染病传播过程,提出了相应的控制措施.     

多层前馈模糊神经网络在儿童综合素质测评中的应用

运用对偶标度统计方法计算儿童发展调查问题中原始数据的变量权和样本得分,从而确定评价因素集.采用多层前馈模糊神经网络——FM LP实现对儿童个体综合素质的定量评价.     

具S-型分布时滞的模糊细胞神经网络的周期解及指数稳定性

研究了一类具S-型分布时滞的模糊细胞神经网络(FCNN)的周期解及全局指数稳定性问题.在不要求激励函数全局L ipsch itz条件下,通过使用指数型二分性和Schauder不动点定理以及构造Lyapunov函数,得到了模糊细胞神经网络模型周期解和指数稳定性的一些充分条件.此外,给出一个实例说明结果是可行的.