一种修正的动态神经元网络模型的类脑电活动及其应用

在作者以前所提出的一种简化现实性神经网络模型－动态神经元网络模型的基础上,进一步考虑了发放神经脉冲引起的兴奋性变化以及每个神经元和其它神经元之间都只有有限联结的性质。使修正后的模型具有更强的生物学真实性。计算机仿真表明由这样的网络产生的类脑电活动对初值极端敏感,具有明显的混沌动力学性质,利用这一点作者们成功地对电脑文档进行了加密和解密,参数和初值的微小改变都使解密失败,从而可望由此得出高度可靠的保     

动态神经元的网络模型 Ⅱ.计算机仿真

在动态神经元的网络模型的基础上,在计算机上进行了仿真。结果表明,我们的单元模型能再现感受器的适应性、兴奋后抑制、相位锁定和位置编码。由五十个这样的单元构成的侧抑制网络能再现鲎复眼侧抑制网络的瞬态特性,而在达到稳态时则表现出马赫带现象。仿真结果还预测侧抑制网络对运动目标特别敏感。模型有关神经元处理信息的内部机制和外部特性与生物神经元的一致性,以及由此构成的侧抑制网络与鲎复眼侧抑制网络性质的一致性,都提示此模型有希望成为一种更接近于生物神经网络的模型。     

现实神经元模型以及其复杂行为表现

在已提出的现实性神经元模型基础上,构造了一个网络,研究其动态反应特性,计算机模拟结果表明在恒定输入下,该网络输出呈脑电波样反应,在周期性刺激下,其输出呈诱发电位样反应,并从ＥＥＧ－ｌｉｋｅ波形的频谱、相空间重构、平面映射及Ｐｏｉｎｃａｒｅ截面,关联维数等方面对网络进行了复杂性分析。     

用近似熵测量神经放电峰峰间期的复杂性

近似熵是用来测量信号复杂程度的非线性方法。为了研究神经放电序列的复杂性,用该方法及其改进方法对大鼠损伤坐崩神经模型、大鼠脑薄片视上核神经元自发放电模型、背根节自发放电模型峰峰间期以及Rose-Hindmarsh理论神经元模型分叉数据进行了动态测量。结果表明,近似熵可以定量反映多种神经放电序列复杂性的变化,是一种较为有效的复杂性序量方法。     

动态神经元的网络模型 Ⅰ.模型和算法

从生物神经元接收和处理信息的基本实验事实出发,提出了一种新的神经网络模型。这个模型修改了大多数现有人工神经网络中关于输出函数只反映静态特性的假设,而强调了神经元发放脉冲的动态过程。模型方程分别对应于突触后电位、感受器电位、始段分级电位和轴突上的的脉冲系列,每个方程都具有明确的生理意义。还给出了计算此非线性方程组解的递推算法和程序框图。因此不仅可对本模型作进一步的理论分析,也可在计算机上仿真,并和相应的生物学实验资料进行对照比较。     

生物复杂性研究动态

生物复杂性（biocomplexity或biological complexity）是近年来由Rita Colwell等人积极倡导的一个新的学科领域,旨在更好地了解生命系统及其环境组分间的相互作用以及系统复杂性的动态特征与演化机制,目前,生物复杂性的定义与内涵尚不明确,意见纷呈,而有关研究在美国国家科学基金会（NSF）的支持下已迅速开展起来,并即将成为国际合作研究的热点之一。本文简要介绍了有关生物复杂性的不同观点、生物复杂性与生物多样性研究之间的关系,并以若干生态系统和基因组为例,说明了现阶段生物复杂性研究的主要特点。     

群落结构复杂性的测度方法研究进展

该文对群落结构复杂性的测度方法的研究进展状况进行了综述。根据测度方法建立的方法基础,将现有的方法分成3类:基于多样性的复杂性测度、基于计算复杂性的测度和基于几何学特征的复杂性测度。对每类测度方法进行了介绍,对其优缺点进行了评述。同时提出了未来研究中应给予重视的问题。结果表明,现有群落结构复杂性的测度方法普遍存在区分能力差的问题,对于基于多样性的结构复杂性测度,目前还缺乏确定各测度属性权重的客观方法;现有的一些基于计算复杂性的结构测度与多样性指标关系过于密切,还不完善,同时其生态学的意义还不明确,而另一些计算复杂性指标还缺乏实际检验。今后,如何建立既具有区分力、又与多样性在概念和数值上都有一定区别的群落结构的计算复杂性的测度方法、如何科学合理地确定复杂性测度中的属性权重以及如何建立结构复杂性的测度和功能过程之间的联系等都是需要深入和系统研究的。由于方法的相似性,有关群落结构复杂性的测度方法也可以应用到其它尺度上的结构复杂性的研究中。     

基于智能体模型的土地利用动态模拟研究进展

土地利用动态变化是全球变化和可持续发展研究的基础,对区域水循环、大气循环、环境质量、气候变化及陆地生态系统生产力等具有重要影响,也是造成生物多样性衰减的最主要原因.目前,建立于复杂性科学基础上的的智能体模型(ABM)成为土地利用动态模拟的重要方法.智能体模型能模拟个体或群体的行为及决策模式,从而能将政府、城市规划、房地产开发商、住户等社会群体及个人对土地利用产生的影响进行模拟,同时能对不同社会经济政策对土地动态影响进行模拟.智能体模型在元胞自动机基础上,加入了人为因素的智能体概念,从而能更好地模拟土地动态.在分析总结了智能体模型的相关概念和组织结构,并分析了其在土地利用动态、城市动态模拟及生态过程模拟等方面的应用与元胞自动机的关系,比较了常用的智能体模型的主要软件,最后概括了智能体模型优点、发展趋势及存在的主要问题.     

马尾松毛虫种群动态的时间序列分析及复杂性动态研究

自从May(1974)指出即使是简单的种群模型也能揭示混沌动态以来,自然种群是否存在混沌一直具有争论,如何检测自然种群的混沌行为也成为种群动态研究的一个难点,通过时间序列分析和反应面模型建模的8方法分析了马尾松毛虫的复杂性动态,用自相关函数对马尾松毛虫发生的时间动态分析的结果认为动态是平衡的,其周期性不显著,而具有一定的复杂性,这种类型可以是减幅波动,有限周期或弱混沌,波动主要由系统内因引起,进一步采用反应面模型估计全局李雅普若夫指数和局域李雅普若夫指数结果均为负,显示马尾松毛虫种群动态不存在混沌现象,但是在增加一个小的噪音以后,局域李雅普若夫指数变为在0以上的波动,说明系统对噪音非常敏感,噪音对松毛虫种群动态具有很大的影响,可以将其从非混沌状态变为混沌,研究结果认为全局郴雅普若夫指数λ是一定时间内两个变动轨迹的总平均偏差,而随着种群动态的波动,指数也是波动的,所以对于检测自然种群的混沌来说不是一个好的指标,局域李雅普若夫指数λM能更好地表示自然种群混沌的存在和产生混沌的条件,对害虫管理来说对种群暴发初期的预测是尤其重要的,而此时又最难于预测,所以对种群动态的监测就尤为重要,由于马尾松毛虫的代间种群动态为第一级密度相关,前一代的虫口密度与下一代的虫口密度相关性最强,所以前一代预测下一代是最可靠的。     

培养海马神经元网络学习模型的构建

对于培养的神经元网络而言,学习是外界刺激与网络响应之间联系建立和调控的过程.为构建合适的神经元网络学习模型,采用闭环低频(1 Hz)成对电极的电刺激模拟认知任务,在多通道微电极阵列系统中对培养的海马神经元网络进行训练,使其发生网络层次上的学习行为.经过训练后,神经元网络在刺激后20～80ms内的早期突触后响应明显增加,响应/刺激比(在闭环训练中,电极上任一阶段连续10次刺激的早期突触后响应的个数/10)增大,响应时延减小,并且响应具有选择性,即表明,神经元网络与外界刺激之间已建立可调控的联系,该可调控联系是通过网络的响应来表现的,建立神经元网络与外界刺激之间的可调控联系即网络层次的学习.     

瞳孔光反应系统的空间分布式神经网络模型

为模拟刺激光空间分布变化引起瞳孔反应的实验现象,本文建立了空间分布式神经网络瞳孔模型。它是在瞳孔双通道模型基础上,借鉴Ｃａｎｎｏｎ－Ｒｏｂｉｎｓｏｎ的Ｏｃｕｌｏｍｏｔｏｒ模型的双层网络结构和视网膜的镶嵌式特点,经空间延括而成。空间各部位信号经第一层神经元处理得到对应各部位的线性ＤＣ和非线性ＡＣ输出,在第二层神经元进行空间综合,再经第三层神经元复合去控制效应器官虹膜肌的反应。该分布式部位机制模型能解释多种瞳孔实验现象。     

短时记忆的神经网络模型

提出一个带有指针环路的短时记忆神经网络模型,模型包含两个神经网络,其中一个是与长时记忆共有的存贮内容表达网络,另一个为短时指针神经元环路,由于指针环路仅作为记忆内容的临时指针,因此,仅用很少的存贮单元即可完成各种短时记忆任务,计算机仿真证明,本模型确能表现出短时记忆的存贮容量有限和组块编码两个基本特征。     

动态神经网络中的同步振荡

目前有一种假设认为同一视觉对象是由一群神经元的同步振荡活动来表征的。这一神经元发放活动的时间特性,是解决视觉信息处理中“结合问题（Ｂｉｎｄｉｎｇｐｒｏｂｌｅｍ）”的可能机制。本文用我们所提出的一种简化现实性神经网络模型［１］所构造的时滞非线性振子网络［２］,模拟生物神经网络的同步振荡活动。并考虑了振子各参数的设置与振荡活动的关系,以及网络振子间耦联对同步活动的影响．     

耳蜗核神经元的简化现实性模型

采用我们以前提出的简化现实性神经网络模型［１］的一种修正形式,通过选定适当的参数,仿真了耳蜗核的类初级细胞（Ｐｒｉｍａｒｙ－ｌｉｋｅｃｅｌｌ）,梳状反应细胞（Ｃｈｏｐｐｅｒｒｅｓｐｏｎｓｅｃｅｌｌ）以及给刺激反应细胞（Ｏｎｓｅｔｒｅｓｐｏｎｓｅｃｅｌｌ）对短纯青刺激的刺激后时间直方图。并通过分析参数配置和仿真行为的对应关系,指出模型在生理学上的合理性。     

主动联想记忆神经网络模型

在信息编码能提高联想记忆的存贮能力和脑内存在主动活动机制的启发下,提出一个主动联想记忆模型。模型包括两个神经网络,其一为输入和输出网络,另一个为在学习时期能自主产生兴奋模式的主动网络。两个网络的神经元之间有突触联系。由于自主产生的兴奋模式与输入无关,并可能接近于相互正交,因此,本模型有较高的存贮能力。初步分析和计算机仿真证明：本模型确有比通常联想记忆模型高的存贮能力,特别是在输入模式间有高度相关情况下、最后,对提出的模型与双向自联想记忆和光学全息存贮机制的关系作了讨论。     

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.     

用人工神神经网络法辨识发酵动力学模型参数

本文提出发酵动力学模型参数辩识的人工神经网络方法,并对几种典型的模型进行了具体尝试,结果表明,用这种方法估计参数效果极好。     

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