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     

具有竞争指针的短时记忆神经网络模型

在我们以前提出的短时记忆神经网络模型基础上［３］,我们在新模型中引入突触竞争机制,提出了一个新的短时记忆神经网络模型。模型仍由两个神经网络所组成;其一为与长时记忆共有的信息内容表达网络,另一个为指针神经元环路。由于表达区神经元与指针神经元间的突触权重的竞争,使得模型可以表现出由干扰引起的短时记忆的遗忘。相应于自由回忆序列位置效应和汉字组块两个心理学实验,对模型做了计算机仿真。仿真结果显示模型的行为与两个心理实验定量地符合得很好。由此表明现在的模型更合适于作为短时记忆的模型。     

锥体神经元的连接模式对突触后局部电位的依赖

脑皮层的功能连接模式与突触可塑性密切相关,受突触空间分布和刺激模式等多种因素的影响。尽管越来越多的证据表明突触可塑性不仅受突触后动作电位而且还受突触后局部树突电位的影响,但是目前尚不清楚神经元的功能连接模式是否和怎样依赖于突触后局部电位的。为此,本文建立了一个无需硬边界设置的、突触后局部膜电位依赖的可塑性模型。该模型具有突触强度的自平衡能力并且能够再现多种突触可塑性实验结果。基于该模型对两个锥体神经元的功能连接模式进行仿真的结果表明,当突触后局部电位都处于亚阈值时两个神经元无功能连接,如果一个神经元的突触后膜电位高于阈值电位则产生向该神经元的单向连接,当两个神经元的突触后膜电位都超过阈值电位时则产生双向连接,说明突触后局部膜电位分布是神经元功能连接模式形成的关键。研究结果加深了神经网络连接模式形成机制的理解,对学习和记忆的研究具有重要意义。     

突触素、神经肽Y(NPY)在糖尿病模型大鼠脑组织细胞中的表达研究

对突触素(synaptophysin)、神经肽Y(NPY)在链尿佐菌素诱导的糖尿病模型大鼠额叶皮质和海马组织细胞中的表达进行研究,并利用UTHSCSA Image Tools 3.0进行图象分析,同时对其与学习记忆的关系进行探讨.选取成年Sprague-Dawley雄性大鼠20只,体重200-300g,随机分为两组.实验组用链尿佐菌素诱导产生糖尿病模型,并以血糖测定和尿糖水平测定进行筛选,另一组为空白对照组.继续饲养4周后,各组大鼠先进行Y型迷宫测试其学习记忆能力,然后取出脑组织,制做连续冰冻切片,对大脑额叶皮质和海马组织进行突触素、神经肽Y酶标免疫组织化学染色,观察这些蛋白在糖尿病大鼠和正常大鼠脑中表达的差异.结果发现糖尿病大鼠在Y型迷宫测试中,错误次数明显增多,糖尿病大鼠额叶皮质和海马神经元数目较正常对照组明显减少,神经细胞内突触素和神经肽Y的表达均较正常对照组明显下降.我们的研究显示突触素和神经肽Y在糖尿病大鼠大脑额叶皮质和海马组织内表达的减少可能与糖尿病组神经细胞突触数目及突触的可塑性下降、学习和记忆能力障碍有关.这可能是造成糖尿病性痴呆的一个因素.     

通脉益智方对VD大鼠学习记忆行为和海马CA1区突触结构的影响

目的:观察通脉益智方对血管性痴呆模型大鼠学习记忆行为和海马CA1区突触超微结构的影响.方法:应用高脂血症大鼠,采用脑缺血再灌注的方法建立血管性痴呆动物模型,利用跳台实验和Y型迷宫实验检验大鼠的学习记忆能力,应用透射电镜和光镜观察分析海马CA1区神经细胞和突触形态结构的变化.结果:跳台实验和Y型迷宫实验表明模型大鼠学习记忆能力明显下降,而给予通脉益智方组学习记忆能力改善,与模型组相比有显著性差异(p＜0.05).形态学观察显示模型组大鼠海马CA1区神经细胞排列紊乱,核固缩、退化、变性、坏死、消失.突触结构不完整,突触小泡减少;突触间隙模糊,线粒体肿胀、空泡样变.通脉益智方组的神经细胞、突触的形态与模型组相比有明显改善.结论:通脉益智方通过减轻突触的损伤及对神经细胞的保护作用,从而改善了学习记忆能力.     

应用三维建模方法定量分析C57BL/6J小鼠耳蜗内毛细胞带状突触的数量

哺乳动物中耳蜗内毛细胞带状突触（ribbon synapse）是外界声音信号向大脑听中枢传递路径上的第一个感觉神经突触结构,它在声音的编码和神经递质的释放过程中发挥着重要作用.然而由于带状突触的数量相对比较少,而且空间位置深在,所以仅应用电子显微镜观察的方法定量分析其数量始终在技术上存在一定的困难.本研究通过对C57BL/6J小鼠耳蜗基底膜标本带状突触中的特异突触前结构RIBEYE和非特异突触后结构GluR 2＆3同时进行免疫荧光标记,采用激光共聚焦显微镜对标本进行光学连续切片,利用3DS MAX软件对连续切片标本进行三维建模,结果中每个荧光色对代表一个突触的存在.在此基础上对内毛细胞带状突触的数量进行计数,结果显示,耳蜗内毛细胞带状突触的空间分布及数量均可以清晰完整的重现出来.在本实验中,每个内毛细胞带状突触数量平均为（16.10±1.03）个.本实验结果表明,利用免疫荧光对小鼠耳蜗带状突触的前后膜结构进行双重标记,采用激光共聚焦显微镜对标本进行光学连续切片,应用3DS MAX软件对连续切片进行三维建模后可以准确计数带状突触的数量.实验表明,本方法准确可行,对今后深入探讨感觉神经性聋的机制具有重要意义。     

长时程突触可塑性中的突触标识

神经元长时程突触可塑性是学习和记忆的基础,神经元长时程突触可塑性的维持依赖于基因的转录和蛋白质合成.然而,这些转录产物和新合成的蛋白质是如何从胞体运输到突触点,还不甚清楚.近年来的研究显示,当长时程突触可塑性发生时,被激活的突触能通过建立突触标记(synaptic tag)来识别、捕捉和利用其所需要的基因产物,以维持突触可塑性的长时程变化.这一过程或现象被称为突触标识(synaptic tagging).本文就近年来突触标识的研究进展作一概述.     

注意机制在嗅球学习过程中的作用

神经生物实验表明, 气味信息在嗅球中是多通道并行处理的, 并且是可学习的, 学习结果依赖于学习时的认知环境. 对于不同类型的突触, 其突触前脉冲作用于突触后的有效时间不同. 按嗅球的生理结构, 构建了一个嗅球模型, 其中神经元间的不同类型的突触连接具有不同的脉冲有效时间. 模拟结果表明这一模型实现了嗅球中信息的多通道处理. 在此基础上, 进一步研究了认知环境对气味学习的影响, 并以不同的反馈频率来表征不同的注意状态. 为满足嗅球中多通道信息编码方式对学习律的要求, 提出了一个兼顾脉冲定时和平均发放速率的反对称的Hebb学习律. 模拟结果表明, 气味在嗅球中的敏感化和习惯化, 可能是在统一的学习律指导下的学习在不同注意状态下产生的结果.     

应激诱发的海马神经元突触增强参与大鼠的新环境学习

本文旨在研究应激对海马新环境空间学习记忆的损伤作用机制.在大鼠海马CA1区埋植电极,刺激schaffer侧枝记录CA1区树突层的兴奋性突触后场电位(field excitatory postsynaptic potential,fEPSP),探索应激对火鼠新环境空间学习的突触可塑性的影响.同时研究了再次新环境空间学习时...     

骨骼肌肉建模及其仿真

该文首先对骨骼肌肉模型进行探讨,并且在Zajac肌肉力学模型下,通过仿真软件"Virtual Muscle 3.1.5"对骨骼肌进行仿真.根据不同的肌肉性状和肌肉骨骼运动状态进行了不同的仿真实验,并且得到很好的模拟结果.本实验主要针对老年人和受伤肌肉,研究其特性与正常肌肉的异同,通过仿真实验的最终结果,分析得出了肌肉性状变化,特别是长肱二头肌,会对肌肉施力功能产生很大的影响.     

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。     

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.     

线画图形质地辨认的一个神经网络模型

本文提出了一个能辨认线画质地的神经网络模型,并在IBM-PC机上对它进行了成功的模拟.该模型可与真实的视觉系统建立起很好的对应关系,因此可以认为它是对视觉系统质地辨认过程的一个机器再现.另外,本文推广了原广义Gabor函数模型,得到了一个适合于描写网络层次视觉功能的单细胞感受野的数学描述.     

一类求解约束非线性规划问题的神经网络模型

提出一类求解闭凸集上非线性规划问题的神经网络模型。理论分析和计算机模拟表明在适当的假设下所提出的神经网络模型大范围指数级收敛于非线性规划问题的解集。本文神经网络所采用的方法属于广义的最速下降法,甚至当规划问题地正定二次时,本文的模型也比已有的神经网络模型简单。     

龙虾胃肠神经系统的数值分析

利用抑制神经系统的WinnerLess Competition(WLC)模型,通过数值方法分析Mulloney型龙虾胃肠神经系统神经元的电位发放,得到胃研磨囊和幽门神经系统中各个神经元的电位发放和系统的节律变化。结果表明,胃研磨系统内神经元的发放规律显示两侧牙齿和中间牙齿出现切断、挤压和研磨食物等状态,幽门系统内神经元的发放规律显示幽门节律出现依次发放的三个部分。两个神经系统的数值结果,不仅解释了龙虾胃肠神经系统中神经元电位发放与肌肉运动的关系,而且理论再现了龙虾胃肠神经系统的节律变化和实验结果。     

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     

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。     

Optimization of fed-batch bioreactor using neural network model

An algorithm using feedforward neural network model for determining optimal substrate feeding policies for fed-batch fermentation process is presented in this work. The algorithm involves developing the neural network model of the process using the sampled data. The trained neural network model in turn is used for optimization purposes. The advantages of this technique is that optimization can be achieved without detailed kinetic model of the process and the computation of gradient of objective function with respect to control variables is straightforward. The application of the technique is demonstrated with two examples, namely, production of secreted protein and invertase. The simulation results show that the discrete-time dynamics of fed-batch bioreactor can be satisfactorily approximated using a feedforward sigmoidal neural network. The optimal policies obtained with the neural network model agree reasonably well with the previously reported results.     

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。     

An inference upon the neural network finding binocular correspondence

Previously, the authors proposed a model of neural network extracting binocular parallax (Hirai and Fukushima, 1975). It is a multilayered network whose final layers consist of neural elements corresponding to binocular depth neurons found in monkey's visual cortex. The binocular depth neuron is selectively sensitive to a binocular stimulus with a specific amount of binocular parallax and does not respond to a monocular one. As described in the last chapter of the previous article (Hirai and Fukushima, 1975), when a binocular pair of input patterns consist of, for example, many vertical bars placed very closely to each other, the binocular depth neurons might respond not only to correct binocular pairs, but also to incorrect ones. Our present study is concentrated upon how the visual system finds correct binocular pairs or binocular correspondence. It is assumed that some neural network is cascaded after the binocular depth neurons and finds out correct binocular correspondence by eliminating the incorrect binocular pairs. In this article a model of such neural network is proposed. The performance of the model has been simulated on a digital computer. The results of the computer simulation show that this model finds binocular correspondence satisfactorily. It has been demonstrated by the computer simulation that this model also explains the mechanism of the hysteresis in the binocular depth perception reported by Fender and Julesz (1967)This work has been done in the NHK Broadcasting Science Research Laboratories