共查询到20条相似文献,搜索用时 187 毫秒
1.
2.
生物神经元同步控制是神经电生理学研究的热点和难点问题。针对生物神经元同步控制算法大多依据神经元模型且存在相对复杂、难以实现的不足,以Morris-Lecar神经元为研究对象,设计基于主动补偿的抗干扰控制同步算法,仅用一个控制输入实现无干扰时的生物神经元膜电位同步;同时,为研究干扰存在时Morris-Lecar神经元膜电位的同步效果,加入阶跃干扰,抗干扰同步控制算法能够有效估计和补偿干扰,实现膜电位同步。数值仿真结果表明抗干扰同步控制算法能够实时估计和补偿扰动对同步的影响,不依赖于神经元的精确模型而具有良好的同步效果,为生物神经元同步控制提供了一种简单有效的思路。 相似文献
3.
4.
因外部电磁环境变化导致生物神经元放电节律不同步是生物控制中需要解决的一个难点问题。HH神经元模型是描述神经元动力学特性的第一个数学模型,以HH神经元为研究对象,利用各种现代控制方法获得HH神经元的同步,方法的不足在于对外部干扰的敏感性以及控制律复杂不易实现。为增强神经元同步的鲁棒性和可行性,利用自抗扰控制算法,在三种不同情况下研究HH神经元的同步,并且依次加入不同干扰验证其同步效果。仿真结果表明,自抗扰控制能够对神经元系统的总扰动进行实时估计和补偿,消除扰动对神经元系统同步的影响,从而获得良好的同步效果。 相似文献
5.
6.
脉冲神经网络属于第三代人工神经网络,它是更具有生物可解释性的神经网络模型。随着人们对脉冲神经网络不断深入地研究,不仅神经元空间结构更为复杂,而且神经网络结构规模也随之增大。以串行计算的方式,难以在个人计算机上实现脉冲神经网络的模拟仿真。为此,设计了一个多核并行的脉冲神经网络模拟器,对神经元进行编码与映射,自定义路由表解决了多核间的网络通信,以时间驱动为策略,实现核与核间的动态同步,在模拟器上进行脉冲神经网络的并行计算。以Izhikevich脉冲神经元为模型,在模拟环境下进行仿真实验,结果表明多核并行计算相比传统的串行计算在效率方面约有两倍的提升,可为类似的脉冲神经网络的模拟并行化设计提供参考。 相似文献
7.
忆阻器具有独特的记忆功能和连续可变的电导状态,在人工智能与神经网络等研究领域具有巨大的应用优势.详细推导了忆阻器的电荷控制模型,将纳米忆阻器与具有智能信息处理能力的混沌神经网络相结合,提出了一种新型的基于忆阻器的连续学习混沌神经网络模型.利用忆阻器可直接实现网络中繁多的反馈与迭代,即完成外部输入对神经元及神经元之间相互作用的时空总和.提出的忆阻连续学习混沌神经网络可以实现对已知模式和未知模式的区分,并能对未知模式进行自动学习和记忆.给出的计算机仿真验证了方案的可行性.由于忆阻器具有纳米级尺寸和自动的记忆能力,该方案有望大大简化混沌神经网络结构. 相似文献
8.
生物神经网络的同步被认为在大脑神经信息的处理过程中发挥了重要作用.本文在Hodgkin-Huxley(HH)神经元网络模型中考虑树突整合效应,得到修正后的DHH(Dendritic-integration-rule-based HH)神经元网络模型,研究了网络的放电和同步特性.首先以三个抑制性神经元构成的耦合系统为例,发现树突整合效应的加入提高了神经元的放电阈值;然后分别建立全局耦合的抑制性和兴奋性神经元网络,发现大的耦合强度能够诱导抑制性和兴奋性神经元网络达到几乎完全同步的状态,并且对神经元的放电幅值有较大的影响;更有趣的是,当树突整合系数为某一值时,抑制性神经元网络的同步达到最高,而兴奋性神经网络的同步达到最低. 相似文献
9.
基于结构学习和迭代自映射的自联想记忆模型 总被引:3,自引:0,他引:3
传统的人工神经元网络连接结构是固定的,是对权值的学习.提出一种基于生理神经元特征的人工神经元模型,并在以此为单元构成的用于实现自联想记忆的神经网络上进行对结构的学习.学习算法以设定神经元的输入/输出感受野、调整突触和轴突末梢的连接、并行的自投影迭代为特征.给出了此网络模型的矩阵描述和实验结果. 相似文献
10.
MSF,即主稳定函数,是一种使用Lyapunov指数理论来确定复杂同型网络同步状态的稳定性的工具.负的MSF值表明网络可以同步.我们构建了一种双变量HR模型来描述神经元在电场作用下的同步行为,将神经元尺寸和外加电场作为影响电场作用的调控因素,利用简化的MSF方法,研究主稳定函数MSF和电荷尺寸及外加电场的关系.结果显示,电场效应对神经网络同步的作用是丰富的.施加较强的恒定电场可以促进网络同步,而施加交变电场则会抑制同步.另外,神经元半径也会影响电场效应的作用结果,在较大的神经元半径下,神经网络会更容易同步. 相似文献
11.
《自动化学报》2005,(1)
This paper presents several neural network based modelling, reliable optimal control, and iterative learning control methods for batch processes. In order to overcome the lack of robustness of a single neural network, bootstrap aggregated neural networks are used to build reliable data based empirical models. Apart from improving the model generalisation capability, a bootstrap aggregated neural network can also provide model prediction confidence bounds. A reliable optimal control method by incorporating model prediction confidence bounds into the optimisation objective function is presented. A neural network based iterative learning control strategy is presented to overcome the problem due to unknown disturbances and model-plant mismatches. The proposed methods are demonstrated on a simulated batch polymerisation process. 相似文献
12.
This paper presents several neural network based modelling, reliable optimal control, and iterative learning control methods for batch processes. In order to overcome the lack of robustness of a single neural network, bootstrap aggregated neural networks are used to build reliable data based empirical models. Apart from improving the model generalisation capability, a bootstrap aggregated neural network can also provide model prediction confidence bounds. A reliable optimal control method by incorporating model prediction confidence bounds into the optimisation objective function is presented. A neural network based iterative learning control strategy is presented to overcome the problem due to unknown disturbances and model-plant mismatches. The proposed methods are demonstrated on a simulated batch polymerisation process. 相似文献
13.
14.
基于神经网络的机器人轨迹鲁棒跟踪控制 总被引:1,自引:0,他引:1
在神经网络辨识的基础上 ,提出一种新的鲁棒迭代学习控制方法。该方法利用神经网络对非线性系统进行在线辨识 ,产生迭代学习控制算法的前馈作用 ,并与实时反馈控制相结合 ,实现连续轨迹跟踪控制。仿真结果表明 ,该方法能克服机器人系统动力学模型的不确定性和外部干扰 ,且以极少的学习次数和网络训练次数达到满意的跟踪控制要求 ,具有良好的鲁棒性和控制性能 相似文献
15.
16.
17.
18.
针对卷积神经网络提取特征信息不完整导致图像分类方法分类精度不高等问题,利用深度学习的方法搭建卷积神经网络模型框架,提出一种基于迭代训练和集成学习的图像分类方法。利用数据增强对图像数据集进行预处理操作,在提取图像特征时,采用一种迭代训练卷积神经网络的方式,得到充分有效的图像特征,在训练分类器时,采用机器学习中集成学习的思想。分别在特征提取后训练分类器,根据各分类器贡献的大小,赋予它们不同的权重值,取得比单个分类器更好的性能,提高图像分类的精度。该方法在Stanford Dogs、UEC FOOD-100和CIFAR-100数据集上的实验结果表明了其较好的分类性能。 相似文献
19.
黄酒发酵过程是一种一边糖化一边发酵的复式发酵方式,在糖化和发酵之间需要建立动态平衡。鉴于发酵温度对活化酶和酵母的影响,本文通过控制反应温度来控制黄酒产品质量。黄酒发酵过程是一个典型的间歇过程,本文运用迭代学习控制对发酵温度进行控制,并利用神经网络优化迭代学习律的增益。仿真结果表明了该方法的有效性,且能在较少的迭代次数下,以最快的收敛速度,较高的跟踪精度逼近期望轨迹。 相似文献
20.
This paper presents an approach to the use of neural networks to improve iterative learning control performance. The neural networks are used to estimate the learning gain of an iterative learning law and to store the learned control input profiles for different reference trajectories. A neural network of piecewise linear approximation is presented to identify effectively the system dynamics, and the approximation property and persistently exciting condition are discussed. In addition, training of a feedforward neural controller is presented to accumulate control information learned by an iterative update law for various reference trajectories. Then, an iterative learning law with a feedforward neural controller is suggested and its convergence property is stated with the convergence condition. The effectiveness of the present methods has been demonstrated through simulations by applying them to a two-link robot manipulator. 相似文献