基于PSR框架的内蒙古自治区土壤保持服务分区

土壤侵蚀是中国北方重要的生态问题,内蒙古自治区位于干旱半干旱地区,是中国北方典型的土壤侵蚀区。针对以往生态功能分区分析框架复杂多样、权重设定人为主观等问题,以内蒙古自治区为例,基于压力-状态-响应系统分析框架,从气候背景-土壤保持-植被条件三方面构建指标体系,运用自组织特征映射(SOFM)神经网络和GIS空间分析技术,以1280个小流域为基本单元进行土壤保持服务分区,按照分区单元的聚集度对多种方案进行优选,并依据区域共轭性原则最终将研究区划分为3个土壤保持服务区和11个土壤保持服务亚区。     

一类细胞神经网络概周期解的存在性与全局吸引性

研究各细胞元拥有各自信号处理函数并具分布时滞的二维分流抑制细胞神经网络的概周期解的存在性和吸引性，获得存在性与吸引性的一个充分条件．     

一类具延时的Hopfield型神经网络模型的周期解

本文利用不动点方法,讨论了一类具延时的Hopfield型神经网络模型周期解的存在性与唯一性,获得了若干充分条件．     

信息、记忆和神经网络——神经科学进展之二

脑的功能在于信息的接收、加工、贮存和利用。对人和大多数动物来说,视觉信息最为重要。人们已揭示出视网膜象转变为神经电脉冲的分子基础,视皮层的柱状结构和细胞特性,以及大细胞和小细胞两个平行信息加工系统。学习和记忆是脑的可塑性表现,其简单形式是习惯化、敏化和经典条件反射形成,它们均已在分子水平上得到初步说明。长时程增强(LTP)可能是哺乳动物快速学习的突触机制。根据对脑信息加工、学习和记忆的研究,人们提出了神经网络应具有的基本性质,这就为发展神经计算机开辟了广阔前景。     

基于IPSO-BP神经网络模型的山东省碳排放预测及生态经济分析

在低碳经济发展背景下,针对山东省碳排放数据更新迟缓、以往预测模型难以满足现实需求的问题,统计相关数据,根据政府间气候变化专门委员会(IPCC)推荐方法测算山东省2000—2017年碳排放量和排放强度,并借助脱钩分析、碳承载力和碳赤字探究碳排放的动态变化趋势;基于5项最重要的碳排放影响因素,建立改进的粒子群算法(IPSO...     

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。     

基于熵准则的鲁棒的RBF谷胱甘肽发酵建模

在谷胱甘肽的发酵过程建模中, 当试验数据含有噪音时, 往往会导致模型预测精度和泛化能力的下降。针对该问题, 提出了一种新的基于熵准则的RBF神经网络建模方法。与传统的基于MSE准则函数的建模方法相比, 新方法能从训练样本的整体分布结构来进行模型参数学习, 有效地避免了传统的基于MSE准则的RBF网络的过学习和泛化能力差的缺陷。将该模型应用到实际的谷胱甘肽发酵过程建模中, 实验结果表明: 该方法具有较高的预测精度、泛化能力和良好的鲁棒性, 从而对谷胱甘肽的发酵建模有潜在的应用价值。     

基于自组织特征映射模型(SOFM)网络的中国自然资源生态安全区划

自然资源生态安全是国家安全的重要组成部分,自然资源生态安全区划对保障区域可持续发展提供了重要途径。基于自然资源数据、生态环境数据和相关区划资料,从生态敏感性与生态服务重要性角度构建了自然资源生态安全评价指标体系,进而揭示了中国自然资源生态安全的空间格局;通过建立区划的原则和指标,按照一级区主要反映自然资源空间分布格局,二级区主要揭示自然资源生态安全水平的差异,采用SOFM网络制订了中国自然资源生态安全区划方案。结果显示：(1)中国自然资源生态安全水平整体偏低,以中警与重警状态区域为主,安全和较安全状态的区域仅占24.22%,其中低安全等级区多分布于400mm等降水量线以西的干旱、半干旱区,高安全等级区则集中分布于水热资源与生物资源较为丰富的东南部地区;(2)中国自然资源生态安全区划方案包括8个一级区与27个二级区,总结归纳各大区自然资源的特征和威胁生态安全的问题,并针对二级区自然资源生态安全状况提出了对策建议。研究结果可为分区、分类推进全国自然资源可持续利用和国土空间优化提供理论支持与决策依据。     

烟草叶面积指数的高光谱估算模型

叶面积指数(1eaf area index,LAI)是重要的生物物理参数,亦是各种生态模型、生产力模型以及碳循环研究等的重要生物物理参量,因此具有重要的研究意义。为了探索不同高光谱模型监测烟草叶面积指数LAI的精度,在烟草伸根期,旺长期和成熟期采用ASD Fieldspec HH光谱仪测定了不同水氮条件下烟草冠层的高光谱反射率和叶面积指数数据。选用四个常用的植被指数RVI (ratio vegetation index)、NDVI (normalized difference vegetation index)、MTVI2（Modified second triangular vegetation index）、MSAVI（Modified Soil-adjusted vegetation index）和PCA (principal component analysis)、neural network (NN)三种方法对烟草LAI进行了估算,比较分析了三种方法的估算结果。研究结果表明,植被指数法,主成分分析,神经网络方法LAI都取得了较为理想的结果,其中植被指数法可以较为精确反演烟草LAI,验证模型确定性系数在0.76～0.85之间,主成分分析方法和神经网络方法精度较高,分别为0.938和0.889。主成分分析方法验证模型的稳定性更好,其验证模型的RMSE为0.172,低于四个植被指数和神经网络。MTVI2和MSAVI能较好地去除土壤、大气等条件影响,反演精度高于RVI和NDVI。与基于植被指数建立的模型相比,主成分分析和神经网络可以更好的提高LAI的反演精度。     

脑科学中的计算观及其最新发展

科学家们对大脑本质的认识,是物理的还是整体论的,是功能定位的还是不定位的,一直争论不休。脑科学的突破性进展澄清了争论中在概念上的混乱状态。文章着重讨论了这种进展的几个方面:计算观在脑科学中的确立与发展,大脑的实验与模型研究对计算概念的影响,联系主义模型以及生物神经网络的研究对理解大脑信息表达与处理机制的促进作用。