FitzHugh-Nagumo神经元网络的同步振荡与联想记忆

本文研究由FitzHugh—Nagumo神经元所组成的脉动神经元网络的同步与联想记忆恢复。基于神经元微观生理结构，本文给出具有空间随机分布延时的神经元间耦合，而这种随机分布延时描述了脉动信号从突触前神经元到突触后神经元在轴突上传播所需要的时间。记忆由空时发放的神经元集群表达，在噪声涨落的作用下，系统取得了对不完整输入的记忆恢复。     

IIC总线在LonWorks神经元芯片FT3150中的应用

神经元芯片是Lon Works总线技术的核心控制器件,它除了具备很强的总线通信与总线控制能力以外,还可以实现各种数据的处理。随着单片机技术的发展,串行扩展总线以其独特的优势而得到广泛的应用。     

Lonworks技术在网络中的应用

以神经元芯片TMPN3150作为LON网络控制技术中节点的核心部分,将探测器与神经元芯片以离散信号形式相连接,由主控计算机进行监控,从而构成一个完整的控制体系.根据LON网络的特点主要介绍构建系统时的软硬件的设计、遇到的问题及解决办法.     

基于神经网络的车辆管理安全风险度评估

对于安全风险度的评估,一般是依靠采集到的风险数据进行相关分析,但是在事故数据与系统风险度之间的机理还不够清楚。因此,建模选择神经网络方法,利用人工智能的学习和推理功能,通过对采集到数据的训练与学习,来实现对车辆管理安全风险度的评估。     

Influence of Selective Edge Removal and Refractory Period in a Self-Organized Critical Neuron Model

A simple model for a set of integrate-and-fire neurons based on the weighted network is introduced. By considering the neurobiological phenomenon in brain development and the difference of the synaptic strength, we construct weighted networks develop with link additions and followed by selective edge removal. The network exhibits the small-world and scale-free properties with high network efficiency. The model displays an avalanche activity on a power-law distribution. We investigate the effect of selective edge removal and the neuron refractory period on the self-organized criticality of the system.     

前向神经网络的神经元分层逐个线性优化快速学习算法

本文提出了一种新的前向神经网络快速分层学习算法.在此学习算法中,其优化策略为对输出层和隐层神经元的连接权值交替优化.对输出层权值优化算法采用基于广义逆的最小二乘递推算法,对隐层神经元的连接权值采取则对每个神经元逐个进行优化,而且采用正交变换加快每一步学习的计算速度和提高算法的数值稳定性.当学习过程停滞时采用随机扰动的方法摆脱过早收敛.数值实验表明,与BP动量因子法、牛顿型方法和现有的分层优化算法相比,新算法不仅学习速度快学习时间短,而且当网络规模增大时仍然比较有效.     

MLM形态神经网络在彩色图像恢复中的应用

目前彩色图像的恢复方法多集中在加强色彩相似性的研究上。提出了一种基于形态神经网络MLM的图像恢复法,利用非线性的形态神经元算子对噪声图像进行处理,以获得高质量的清晰图像。仿真结果表明,采用本法恢复的图像在连续性及细节的保护上优于其人方法。     

简谐噪声激励下FitzHugh-Nagumo神经元的动力学行为

研究了简谐噪声激励下的FitzHugh-Nagumo神经元模型, 其放电形式、相干共振等动力学行为均受噪声阻尼参数和频率参数的影响.选择不同的参数所得到的神经元的放电形式不同.神经元存在共振特性,对某一频率的噪声有更强的响应,在此频率参数下的峰序列更有序,出现相干共振系数的极小值.噪声的阻尼参数越大,不同的频率成分越多,神经元的响应也变得杂乱,进而导致神经元与噪声的同步变弱,峰序列相干共振系数也相应增大. 关键词： 简谐噪声 FitzHugh-Nagumo神经元 相干共振 峰峰间隔     

基于lonworks的综合监控系统在电信企业动力、环境监控中的应用

该文阐述了基于Lonworks控制网络技术的综合监控系统在无人值守基站、接入网、支局交换点的动力和环境 监控中的应用。     

Suppression of Chaos and Phase Locking in Two Coupled Nonidentical Neurons under Periodic Input

Dynamical behaviour of two coupled neurons with at least one of them being chaotic is presented. Bifurcation diagrams and Lyapunov exponents are calculated to diagnose the dynamical behaviour of the coupled neurons with the increasing coupling strength. It is found that when the coupling strength increases, a chaotic neuron can be controlled by the coupling between neurons. At the same time, phase locking is studied by the maxima of the differences of instantaneous phases and average frequencies between two coupled neurons, and the inherent connection of phase locking and the suppression of chaos is formulated. It is observed that the onset of phase locking is closely related to the suppression of chaos. Finally, a way for suppression of chaos in two coupled nonidentical neurons under periodic input is suggested.