人工神经元网络辅助丙烷氨氧化催化剂设计

报道了利用人工神经元网络辅助丙烷氨氧化制丙烯腈催化剂设计的研究进展结果．通过筛选得到了可以拟合该反应体系的神经元网络模型，从而使丙烷转化率和丙烯腈选择性可以表示为催化剂组成的函数，利用培训后的神经元网络模型所得到的权值文件，结合作者自编的优化程序，该网络可用于预测最优的催化剂组成．实验得到丙烯腈收率和选择性可分别达到４３．０％和５６．２４％．     

空间关联白噪声影响下小世界神经元网络系统的同步动力学

以电耦合的Terman-Wang小世界神经元网络系统为研究对象, 研究了空间关联白噪声影响下神经元网络系统的同步动力学. 首先将动力学平均场近似理论扩展到受空间关联白噪声影响下的小世界网络系统中, 将描述网络系统动力学演化的2N维随机微分方程简化为11个确定性的矩微分方程. 其次, 基于动力学平均场近似理论所推导的矩方程, 讨论了空间关联噪声、网络结构参数对神经元网络系统同步动力学的关键影响, 发现较大的噪声空间关联系数、耦合强度及节点平均度均对神经元网络系统同步放电具有积极作用. 进一步地, 利用计算机仿真数值模拟原神经元网络系统的同步动力学, 并与基于动力学平均场近似理论所得到的结果进行比较, 发现二者具有较好的一致性.     

Self-organized Criticality in Hierarchical Brain Network

It is shown that the cortical brain network of the macaque displays a hierarchically clustered organization and the neuron network shows small-world properties. Now the two factors will be considered in our model and the dynamical behavior of the model will be studied. We study the characters of the model and find that the distribution of avalanche size of the model follows power-law behavior.     

在BES实验中用神经元网络法鉴别e,μ,π

研究了两种不同的神经元网络法,BP网络和LVQ网络,对北京谱仪(BES)实验中e,μ,π粒子的鉴别,取得了较常规方法要好的结果.用于训练和检验的μ子样本来自宇宙线事例,e和π粒子则是由真实实验数据精选的,虽然样本本身具有非均匀的动量谱,但BP网络的检验结果给出的粒子选择效率在整个动量区间却仍然具有相当均匀的分布,LVQ网络稍逊之.至少是在我们研究的这一课题中证明了BP网络的模式识别功能要优于LVQ网络.     

高能物理实验中的前馈式神经元网络法应用

 人工神经元网络是受生物神经网络的结构及其对外来信息处理方式的启示而得名的。它的研究起始于40年代,但由于当初提出的单层感知器模型固有的困难在长时间内困惑着人们,使得这方面的研究工作沉寂了几十年,直至80年代末,随着多层神经元网络的提出,以及它在实际应用中显示的强大功能逐渐被人们普遍认识和接受,才重新刺激起这方面理论和应用研究的热情。     

基于BP算法神经网络的物理实验曲线拟合

介绍了人工神经元网络的基本原理和BP算法神经网络。将BP算法神经网络应用于物理实验中的幅频特性曲线拟合，在MATLAB下通过训练和仿真验证了应用BP算法神经网络拟合实验曲线的优越性。     

自组织人工神经元网络用于声图象识别的研究

本文通过实验研究了自组织人工神经元网络用于声图象识别的步骤和方法，讨论了在水声、超声医学等声图象识别中所遇到的一些关键性技术问题．     

基于动态神经元网络的激光陀螺输出误差模型

惯性敏感器误差补偿技术对提高武器装备的性能具有重要的意义,而误差补偿的关键在于误差模型的辨识。由于动态神经元网络是在前馈网络的节点引入前馈和反馈环节,理论上已证明其具有很强的动态逼近能力,可用来描述任意的非线性动态系统。根据惯性敏感器误差的动态特性,本探讨将动态神经元网络引入到激光陀螺误差建模中去,详细介绍了网络结构和对应的动态梯度算法。通过仿真算例说明,动态神经元网络在激光陀螺输出误差建模时具有一定的优点：网络收敛速度快、较好的跟踪性能、稳定性好。     

神经元网络用于PCDD定量构效关系的研究

研究了不同PCDD（全名Polychlorinateddioxin）同系物分子结构的表达及特征参数的选择,应用神经元网络方法对其分子结构与色谱保留值进行了关联。对49种PCDD同系物在DWS往上不同温度下保留时间进行了预测,结果95％以上的数据点相对误差小于10％,而80％以上的数据点相对误差小于5％。     

异质神经元的排列对环形耦合神经元网络频率同步的影响

以一维环形耦合的非全同FitzHugh-Nagumo神经元网络为研究对象,讨论这种异质神经元在环上的不同排列对其频率同步的影响.研究结果显示,异质神经元的排列不同,对应的神经元网络达到频率同步所需的临界耦合强度也不完全相同.在平均意义下,异质性较小的神经元在环上的距离越近,神经元网络达到频率同步所需的临界耦合强度越大;相反,异质性较大的神经元在环上的距离越近,神经元网络达到同步所需的临界耦合强度越小.通过对频率同步过程的分析,进一步给出了产生这一现象的动力学机理.