人工神经网络模型及其在农业和生态学研究中的应用

对于一些复杂的农业生态系统,人们对其生态过程了解较少,且这些系统的不确定性和模糊性较大,用传统的方法难以模拟这些系统的行为,神经网络模型因为能较精确地模拟这些系统的行为,而引起生态学者们的广泛兴趣。该文着重介绍了误差逆传神经网络模型的结构、算法及其在农业和生态学中的应用研究。误差逆传神经网络模型一般采用三层神经网络模型结构,三层的神经网络模型能模拟任意复杂程度的连续函数,而且因为它的结构小而不容易产生与训练数据的过度吻合。误差逆传神经网络模型算法的主要特征是:利用当前的输入误差对权值进行调整。在生态学和农业研究中,误差逆传神经网络模型通常作为非线性函数模拟器用于预测作物产量、生物生产量、生物与环境之间的关系等。已有的研究表明:误差逆传神经网络模型的模拟精度要远远高于多元线性方程,类似于非线性方程,而在样本量足够的情况下,有一定的外推能力。但是误差逆传神经网络模型需要大量的样本量来保证所求取参数的可靠性,但这在实际研究中很难做到,因而限制了误差逆传神经网络模型的应用。近年来人们提出了强制训练停止、复合模型等多种技术来提高误差逆传神经网络模型的外推能力,也提出了Garson算法、敏感性分析以及随机化检验等技术对误差逆传神经网络模型的机理进行解释。误差逆传神经网络模型的真正优势在于模拟人们了解较少或不确定性和模糊性较大系统的行为,这些是传统模型所无法实现的,因而是对传统机理模型的重要补充。     

条件联想神经网络研究

在人脑的某些功能和神经系统中的突前抑制机制启发下,本文提出一个新型的神经网络模型——条件联想神经网络.模型是一个有突触前抑制的联想记忆神经网络.通过初步分析和计算机模拟,证明本模型具有一般联想记忆模型所未有的一些新的特性,如可以在不同条件下,对同一输入有不同的反应.对同一输入,在不同的条件下,又可以有相同的反应.这些特点将有助于人们对神经系统中信息处理过程的了解.此外,文中也指出可能实现本模型的神经结构.     

近存储饱和状态下联想学习记忆的神经网络模型

本文提出了神经网络在近饱和状态下的一种联想学习记忆模型.讨论了该模型的主要特性,对由100个神经元、记忆10个随机图样组成的网络系统给出并分析了计算机模拟结果,讨论了该模型的学习律与传统的Hebb学习律的区别,研究了网络在学习记忆和联想新态时初始噪声Pi和联想噪声Pa对新态恢复行为的影响,总结了在近饱和状态下该模型所具有的优势.     

人工神经网络模型在水稻群体分蘖动态模拟中外推能力的测试

研究利用人工神经网络模型 ,以水稻群体分蘖动态为例 ,采用交互验证和独立验证的方式 ,对水稻生长 BP网络模型进行了训练与模拟 ,其结果与水稻群体分蘖的积温统计模型、基本动力学模型和复合分蘖模型进行了比较。研究结果表明 ,神经网络模型具有一定的外推能力 ,但其外推能力依赖于大量的训练样本。神经网络模型具有较好的拟合能力 ,是因为有较多的模型参数 ,因此对神经网络模型的训练需要大量的参数来保证其参数不致过度吻合。具有外推能力神经网络模型的最少训练样本数应大于 6 .75倍于神经网络参数数目 ,小于 13.5倍于神经网络参数数目。因此在应用神经网络模型时 ,如果神经网络模型包括较多的输入变量时 ,可考虑采用主成分分析、对应分析等技术对输入变量进行信息综合 ,相应地减少网络模型的参数。另一方面 ,当训练样本不足时 ,最好只用神经网络模型对同一系统的情况进行模拟 ,应谨慎使用神经网络模型进行外推。神经网络模型给作物模拟研究的科学工作者提供了一个“傻瓜”式工具 ,对数学建模不熟悉的农业研究人员 ,人工神经网络可以替代数学建模进行仿真实验 ;对于精通数学建模的研究人员来说 ,它至少是一种补充和可作为比较的非线性数据处理方法     

烟苗移栽时间评估模型研究与应用

为了使移栽后的烟苗获得最优生长,从而提高烟草种植的效率和产量.本研究对烟株移栽后的健康状况与移栽时间的关键数据进行分析.采用多元回归分析、随机森林分析、 BP神经网络3种模型对烟苗移栽时间的关键因子进行研究,寻找烟苗最优移栽时间并分析影响最优移栽时间的关键因素.采用J2EE平台Spring应用框架对模型应用进行开发,对模型研究结果进行可视化表达.结果表明：多元回归分析模型精准度为70.58%,随机森林分析模型精准度为67.82%, BP神经网络分析模型精准度为88.95%.苗床生长时间、移栽前10～15 d大田降雨量、移栽时3 d内平均最低气温、移栽时3 d内平均最高气温、苗床期大于10℃活动积温是影响移栽时间的关键因素.通过采集重庆地区烟草育苗棚生长基地内烟苗移栽相关数据进行模型精准度验证,3个模型中BP神经网络分析模型精准度最高.本研究为烟苗移栽时间的判定提供合理科学依据,通过该应用可以提前预判烟株移栽时间,从而对生产进行指导,同时也为数字化烟草种植业提供了一个重要的应用实例.     

海马记忆功能的神经网络模型

综合神经心理学,神经生理学、解剖学与神经网络研究的成果,提出一个海马记忆功能的神经网络模型。模型由三个神经网络所组成;海马的ＣＡ１和ＣＡ３网络和大脑皮层联合区,ＣＡ３的功能是将不同感觉输入联合起来,而ＣＡ１的作用是将它们结成一个单一的记忆。而大脑皮层则是长期记忆的部位。在ＶＡＸ１１／７５０上进行计算机仿真,仿真证明模型有近期及长期记忆功能,破坏模拟海马的部分,模型显示出与顺行性遗忘症相似的特性。在     

BP-MSM混合算法及其在森林自疏规律研究中的应用

森林自然稀疏机制一般是非线性的、动态的.人工神经网络具有逼近任意非线性映射的特性.本文阐述了人工神经网络模拟森林自疏机制的可行性和不足之处,并提出了基于改进单纯形法的神经网络模型(BP-MSM混合算法)的基本原理和算法,结合山杨天然林和杉木人工林自疏实例说明了其应用.森林自疏实例应用结果表明,BP-MSM混合算法模拟森林自然稀疏机制是理想的,模拟精度较高,从而继承和发展了人工神经网络方法与理论,丰富了森林自然稀疏规律研究方法.     

二元神经网络模型概周期解的存在性

本文研究了两个神经元的神经网络模型y1(t)=-α1y1(t) f(y2(t-T1) -Г2)) J1(t),y2(t)=-α2y2(t) g(y1(t-T2)-Г1)) J2(t)概周期解的存在性,获得存在概周期解的充分条件。     

质子在膜上传导和质子泵分子模型研究进展

本文介绍了J.Nagle等人提出的利用氢键网络作为质子通道的理论模型,说明了这个模型的主要论点;并介绍了在此理论引导下而产生的数种紫膜质子泵的分子模型。     

不同图样间联想的神经网络模型

本文讨论了Hopfield模型和其恢复特性。提出了不同图样间联想模型,推导了主态和辅态为初态时该模型的演化结果。对于30个随机图样、400个神经元组成的神经网络,给出了计算机模拟计算结果。并且讨论了不同情况下Hopfield模型和图样间联想模型的计算结果。     

动态IP3－Ca2+振荡模型的数值分析

通过改进J.W.Shuai和P.Jung钙振荡模型,得到与IP3浓度相关的动态IP3-Ca^2＋振荡模型.利用改进模型,数值分析依赖性参数λ和钙通道数目N对Ca^2＋振荡的影响,得到Ca^2＋振荡关于参数λ的分叉图、Ca^2＋振荡与IP3振荡的一致性、钙通道数目N对Ca^2＋振荡的影响等.这些模型结果显示了Ca^2＋振荡的特性.     

基于人工神经网络的天然林生物量遥感估测

基于Landsat TM遥感图像, 以吉林省汪清天然林区为例, 应用B-P神经网络建立了森林生物量非线性遥感模型系统. 除采用遥感数据外, 该系统还引入了地形因子(海拔、坡度、坡向、立地类型等)作为模型自变量. 通过压缩输入数据和增强网络训练学习算法等措施, 对标准B-P神经网络进行了增强. 模型仿真结果表明：增强型B-P神经网络具有收敛速度快和自学习、自适应功能强的特点, 能最大限度地利用样本集的先验知识, 自动提取合理的模型, 模型预测结果能真实合理地反映实际情况. 针叶林、阔叶林和针阔混交林的生物量遥感模型系统仿真结果的平均相对误差分别为-1.47%、2.38%和3.56%, 平均相对误差绝对值分别为6.33%、8.46%和8.91%, 预估效果较理想. 应用该模型系统生成了研究区的森林生物量定量分布图, 其总体精度为88.04%.     

天然林保护的神经网络分级规划

总结了用神经网络进行天然林保护规划的实施步骤,阐述了规划举例、小斑标识归一、小斑标识还原、倾斜因子等概念.应用Arc/Info地理信息系统对帽儿山国家森林公园的树种组成多样性、树种稀有性、受干扰性、沟系保护特性和分类经营等因子进行了描述,并分析了天然林保护分级与这些因子之间的关系,并将这些因子作为神经网络的输入,经过人为确定训练样本,最终建立了规划神经网络.用研究区内的全部小斑检验了网络的泛化性能,结果较为满意.规划结果表明,神经网络兼顾了分类经营规划的成果,并保护了各种森林群落类型,对生态环境保护有所体现;网络中激励函数没有严重饱和,体现了倾斜因子对神经网络优化的引导作用.     

动态结构模型在生态系统分析中的应用

J.Kane,W.Thomoson和I.Verfinsky(1972,1973)在七十年代初建立了一种称为动态结构模型的模拟机,用于模拟结构系统模型中诸变量的动态效应。它是与J.W.Forrester(1961)提出的系统动力学(并创立了原型DYNAMO语言)并驾齐名的动态结构模型,但后者由于著名的《增长的极限——罗马俱乐部关于人类困境的研究报告》问世,而更加引人注目。目前,在保健事业、加拿大水力资源、运输事业规划和美国水力资源规划等方面,均有关于应用动态结构模型的模拟机的报告。生     

毛竹林地上部分生物量遥感估算模型的可移植性

选择浙江省内临安、安吉、龙泉3个毛竹产区为研究区域,基于野外调查数据和Landsat 5 TM影像,分别建立3个区域的毛竹林生物量遥感估算模型,包括一元线性模型、一元非线性模型、逐步回归模型、多元线性模型和Erf-BP神经网络模型,并对3个区域的模型进行评价;最后,选择精度较好的模型进行移植并对其可移植性进行分析.结果表明:在3个区域,Eff-BP神经网络模型精度均最高,逐步回归模型和一元非线性模型次之.Erf-BP神经网络模型的可移植性最佳.模型类型和模型自变量对统计模型的可移植性有较大影响.     

具有节点偏置的高阶神经网络模型

在汪涛文献基础上提出了一个具有节点偏置的高阶神经网络模型、给出了模型的哈密顿量和学习算法,证明了学习算法的收敛性,该模型能对每一神经元自动引入一个节点偏置使得网络能够存储所有学习图样包括相关图样,其存储容量远高于Hebb—rule—like学习算法下的高阶神经网络模型.对由30个神经元组成的二阶神经网络进行了计算机仿真,结果证实了上述结论.此外,对初始突触强度对学习效果的影响和不同存储图样数目下的平均吸引半径进行了仿真计算并分析了所得结果.新模型的特点使其具有良好的应用前景     

混沌理论及其在建立神经网络模型中的应用

随着许多学科的相互紧密交叉以及混沌理论的日益深入的研究,人们从生物现象中提出了许多与混沌有关的神经网络模型,本文对混沌理论的基本原理做了简要概述,并着重介绍了四种有代表性的混沌神经网络模型及其应用．同时指出这一研究方向无论在理论还是在应用方面都具有十分诱人的前景．     

一个仿真突触超微结构的三阶神经网络模型

神经系统内突触类型的多样性是与其机能的复杂性密切相关的.考虑到这一特性.本文用一个三阶神经网络模型仿真突触超微结构中的复合型连续性突触结构.作出了该模型的理论推导和分析.对由40个单元组成的网络系统作了计算机仿真、所得结果表明其存储容量可达680个图样.对其吸引盆也进行了仿真分析,对新模型与传统的Hebb学习律下的Hopfield模型进行了对比仿真.发现新模型具有比后者快得多的演化速率.     

应用探针及影印技术分离产2—KGA蛭弧菌及其生物学特性

应用SMA探针技术,以及HB－HG影印技术,从103个样品中分离出三林产2－KGA的蛭弧菌J26、91－2、91－4,通过对J26初步发酵实验表明：J26经10批次发酵平均产2－KGA达到50－60mg／ml。另外,对J26主要生物学特性进行了研究,尤其对J26作为蛭弧菌的主要特性──浸染性进行了研究,证实了J26是一株具有侵入宿主生长周期和不依赖宿主生长周期两种生长繁殖模式的兼性蛭弧菌。     

嗅觉系统神经网络模型的模拟与动力学特性分析

在哺乳动物嗅觉系统的拓扑结构及生理实验的基础上建立了一套非线性动力学神经网络模型．此模型在模拟嗅觉神经系统方面有着突出的优点,同时在信号处理以及模式识别中表现出了奇异的混沌特性．着重描述了K系列模型的非线性动力学特性,并通过数值模拟进行分析．