时滞BAM神经网络模型的稳定性分析

本文研究了一个含有n+1个神经元的多时滞BAM型神经网络模型.利用儒歇定理及其推论分析了该动力特征方程根的分布情况,进而得到动力系统稳定和Hopf分支存在的条件,画出了分支图.研究了该动力系统的Pitchfork分支,得到了Pitchfork分支曲线,讨论了在分支曲线的不同区域里平衡点的稳定性.     

运动过程的网络逻辑——从离子通道到动物行为

为了揭示神经网络在脊椎动物运动中所行使的内在功能,作者开发了七鳃鳗这种低等脊椎动物模型。在这套系统中,不仅可以了解到运动模式生成网络以及激活此网络的命令系统,同时还可以在运动中研究方向控制系统和变向控制系统。七鳃鳗的神经系统有较少的神经元,而且运动行为中的不同运动模式可以由分离的神经系统所引发。模式生成神经网络包括同侧的谷氨酸能中间神经元和对侧的抑制性甘氨酸能中间神经元。网络中的突触连接、细胞膜特性和神经递质都也已经被鉴定。运动是由脑干区域的网状脊髓神经元所引起,而这些神经元又是被问脑和中脑分离的一些运动命令神经元群所控制。因此,运动行为最初是由这两个“运动核心”所启动。而这两个运动核心被基底神经节调控,基底神经节即时地做出判断是否允许下游的运动程序启动。在静止情况下基底神经节的输出核团维持对下游不同运动核心的抑制作用,反之则去除抑制活化运动核心。纹状体和苍白球被认为是这个运动抉择系统的主要部件。根据“霍奇金一贺胥黎”模型神经元开发了这套网络模型,不同的细胞具有各自相应的不同亚型的钠、钾、钙离子通道和钙依赖的钾通道。每个模型神经元拥有86个不同区域模块以及其对应的生物学功能,例如频率控制、超极化等等。然后根据已有实验证据,利用突触将不同的模型神经元相连。而系统中的10000个神经元大致和生物学网络上的细胞数量相当。突触数量为760000。突触类型有AMPA、NMDA、glycine型。有了这样大规模的模型,不仅可以模拟肌节与肌节之间的神经网络,还可以模拟到由基底神经节开始的行为起始部分。此外,这些网络模拟还被用于一个神经机械学模型来模拟包含有推进和方向控制部分的真实运动。     

飞行状态下四种菊头蝠回声定位声波的小波包识别方法

研究了飞行状态下的四种菊头蝠回声定位声波的识别方法.通过小波包分解得到各个频带能量作为识一别特征向量,用主成分分析法优化特征空间.提取少数几个主成分,这些主成分彼此不相关,符合特征优化的要求,以主成分向量作为BP神经网络的输入对蝙蝠的种类进行识别.个体识别正确率达到了80%以上,表明基于小渡包分解和神经网络识别的方法对蝙蝠回声定位声波进行识别是可行的.     

神经网络形成的新途径--向导分子Seman7A通过整合素促进神经轴突体积增长

向导分子Seman7A是旗语隐素(Semaphorins)家族成员之一,一直被认为只是引导轴突向正确方向生长的分子。最近,美国科学家Pasterkamp等惊奇地发现,它可通过整合素介导促进轴突生长而非引导其生长的方向!他们获得的主要实验证据是：(1)在Sema7A缺失的小鼠脑中侧嗅束的生长方向正确无误,但体积却     

神经干细胞在学习和记忆中的作用

成年脑中不断有新神经元产生。这个过程受到如学习、记忆、运动、环境和应激等外部刺激因素的调节。尽管这些新的神经元能够迁移并整合入神经网络,但目前尚不清楚这个过程的分子调控机制,也不清楚是否需要它们来维持脑的正常功能。     

科尔沁沙地草地营造樟子松人工林对土壤化学和生物学性状的影响

以科尔沁沙地东南缘沙质草地和不同年龄樟子松（Pinus sylvestris var. mongolica）人工林（15、24和30年生）为对象,研究草地造林对土壤pH,土壤C、N、P含量,无机N（铵态氮、硝态氮）含量,C、N矿化速率,微生物生物量C含量以及土壤酶（脲酶、转化酶和过氧化氢酶）活性的影响.结果表明：草地造林初期,林地土壤C、N、P含量逐渐降低,随着林龄增加而逐渐恢复;与草地相比,24年生樟子松人工林土壤C、N、P含量最低,分别下降29%、34%和33%,而30年生樟子松人工林土壤C和N含量与草地差异不显著.草地造林能够影响土壤无机N存在形式,使土壤铵态氮含量逐渐增加,硝态氮含量下降.草地造林对土壤潜在N矿化速率和硝化速率影响不显著,但能够改变土壤C矿化速率,不同林龄樟子松人工林土壤C矿化速率依次为：24年生>30年生>草地>15年生.草地造林初期,土壤微生物生物量C含量和土壤转化酶活性明显降低,随着林龄的增加又逐渐增加;草地造林对土壤脲酶活性影响不显著,而使土壤过氧化氢酶活性逐渐增加.科尔沁沙地草地造林能够显著改变土壤化学和生物学性状,且随着林龄的变化而有所差异.     

基于蛋白质二级结构内容的域结构类预测

运用加入竞争层的BP网络,研究了基于蛋白质二级结构内容的域结构类预测问题.在BP网络中嵌入一竞争,层显著提高了网络预测性能.仅使用了一个小的训练集和简单的网络结构,获得了很高的预测精度自支持精度97.62%,jack-knife测试精度97.62%,及平均外推精度90.74%.在建立更完备的域结构类特征向量和更有代表性的训练集的基础上,所述方法将为蛋白质域结构分类领域提供新的分类基准.     

生态服务功能的动态货币化评价——以南水北调后的湖北省襄樊市为例

生态环境是和社会经济紧密联系、相互影响的复杂大系统 ,且其内部各因子之间存在大量的未知关系 ,神经网络为未知复杂系统的建模提供了一条全新的思路。运用 BP网络 ,就南水北调对湖北省襄樊市生态服务功能价值的影响进行了动态研究。研究显示 ,在调走约 1/3汉江水量后 ,襄樊的生态环境将受到严重的破坏 ,其后果是当地社会经济的可持续发展能力将受到损害和抑制。在分析案例的基础上 ,论证了神经网络在生态建模中的适用性 ,探讨了生态服务功能价值动态评价的技术趋势 ,并进一步提出了生态系统建模的新思路。     

分支位点在真核基因受体位点识别中的作用

真核基因受体位点识别是剪接位点识别的一部分,也是基因识别中的重要环节,一直受到研究人员的关注。已有的研究结果显示受体位点的识别与分支位点有关,然而关于分支位点和受体位点识别的关系问题,目前还无人将其作为专门的问题予以深入研究。从受体位点识别出发,选取不同的受体位点序列长度,以神经网络为识别工具,对分支位点在受体位点识别中的作用做了深入研究和分析。实验结果表明,受体位点序列的特征信息集中在分支位点一例,因此分支位点在受体位点识别中具有重要作用。研究结果为受体位点识别问题中序列特征提取提供了依据。     

基于优化核参数支持向量机的意识任务分类

根据支持向量机的基本原理,给出一种推广误差上界估计判据,并利用该判据进行最优核参数的自动选取。对三种不同意识任务的脑电信号进行多变量自回归模型参数估计,作为意识任务的特征向量,利用支持向量机进行训练和分类测试。分类结果表明,优化核参数的支持向量机分类器取得了最佳的分类效果,分类正确率明显高于径向基函数神经网络。