一类具有时滞的神经网络模型的收敛性

运用Lyapunov泛函方法,讨论一类具有时滞的神经网络模型平衡点的全局渐近稳定性,并获得一个新的充分条件．     

外场作用下吸引子神经网中神经元活性的直接观察

本文对强稀疏联结吸引子神经网在持续外场作用下神经元的局域活性进行了考察.对恒稳定性的情形给出了其概率分布分式.数值计算对不同情形下其固定分布行为提供了直观而又生动的观察.将分布图与吸引子结构进行了有比较的分析.我们的结果表明:强外场将导致分布图上阻碍神经元正确驰豫过程的不利屏障峰的出现.利于理想检索的有效分布仅能由适度的外场来取得.而且适度的外场对分布或检索的改善又会因网络过载而受到限制.     

高阶Boltzmann机的平均场理论学习算法

用统计力学中的平均场理论及模拟退火技术,将一般高阶神经网络及玻尔兹曼机的优点结合在一起,以不同于文献［２］的方法,推导出高阶玻尔兹曼机的驰豫动力学的确定性方程和平均场理论学习算法。二者皆便于ＶＬＳＩ实现,且学习算法省去很多ＣＰＵ时间,对二维镜像对称问题及Ｔ－问题的计算机仿真结果表明三阶玻尔兹曼机的平均场理论学习算法是正确的,且性能较二阶玻尔兹曼机好。     

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     

动态神经元的网络模型——Ⅲ.电路实现

在动态神经元网络数学模型的基础上,利用模拟有源器件与数学开关电路组成的硬件系统来达到模拟生物神经元的目的。模拟的结果表明：这个硬件具有神经元脉冲发放的动态过程,系统中每部分的输出信号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脉冲发放等波形,与生物实验资料相似,是一个比计算机仿真更接近实际的连续模型,它将为小型神经元网络的动态特性分析提供了更直观,更可靠的手段。     

基于卷积神经网络及气象要素回归法的地表死可燃物含水率预测模型

地表可燃物含水率是森林火险等级和火行为变化的重要指标,其预测模型对于火险预测、火灾管理等具有显著作用。本研究基于蒙古栎及樟子松林地的野外气象因子以及地表死可燃物含水率数据,进行气象因子随机森林相对重要性排序以及皮尔逊相关性分析,并使用深度学习中的卷积神经网络以及气象要素回归法预测可燃物含水率。结果表明：野外蒙古栎的可燃物含水率显著高于樟子松。随机森林结果表明,对于可燃物含水率具有显著作用的因子排列顺序从大到小为湿度、温度、降雨、风速、太阳辐射;相关性分析表明,当日的温度、湿度、降雨对于可燃物含水率具有显著影响,同时,气象因子之间也存在一定的相关性。卷积神经网络模型对于蒙古栎及樟子松林地表可燃物含水率的预测R²分别为0.928、0.905,平均绝对误差(MAE)分别为6.1%、8.1%,平均相对误差(MRE)分别为8.9%、4.2%;气象要素回归法的R²分别为0.495、0.525,MAE分别为30.5%、39.5%,MRE分别为52.1%、32.6%,卷积神经网络模型精度显著高于气象要素回归法。研究表明,深度学习的卷积神经网络能够为今后的可燃...     

基于EMDs阵列和BP网络的视觉运动感知过程

以Ｒｅｉｃｈａｒｄｔ的相关型初级运动检测器阵列和Ｒｕｍｅｌｈａｒｔ的误差反传学习（ｌｅａｒｎｉｎｇｂｙｂａｃｋ－ｐｒｏｐａｇａｔｉｎｇｅｒｒｏｒｓ,ＢＰ）网络相结合构成了一个视觉运动感知神经网络,探讨了视觉运动信息的感知过程。试图从计算神经科学的观点来阐明从一推运动分量的检测到二维模式运动感知的神经原理,从而回答运动矢量在脑内如何表征。计算机仿真表明,在有监督学习的条件下,网络可以学会解决局城运动检测所带来的多义性问题,给出模式的真实朝向、运动方向和运动速度。     

用于识别心电图的BP网络系统

基于ＢＰ神经网络算法和心电图（ＥＣＧ）识别的原理,作者系统地探讨了ＢＰ网络用于心电图识别的方法并设计了一个用ＢＰ网络识别三种类型（ＥＣＧ）一正常、下壁心肌心梗塞和前间壁心肌梗搴系统。实验结果较好。