Transition of electric activity of neurons induced by chemical and electric autapses

Autapse connected to the neuron can change the electric activity of neuron. The effect of autapse on neuronal activity is often described by adding an additive forcing current along a close loop, which is described by a time-delayed feedback on the membrane potential. Neuron often responds to electric autapse forcing sensitively and quickly, while the chemical autapse changes the electric activity of neuron slowly. By applying external forcing, a shift transition of electric activity can be more easily induced by the electric autapse than the chemical autapse. Our results confirm that chemical autapse can enhance and/or suppress the transition of electric activity with excitable or inhibitory type driven by electric autapse, vice versa. It indicates that an appropriate switch-off-on for autapse can make the neuron give different types of response to external forcing. Particularly, cooperation and competition between chemical and electric autapse help neuron response to external forcing in the most reliable way.     

一个离散混沌系统的动力学性质

讨论了立方混沌系统在不同参数下的动力学性质,并进行了严格的理论证明。分别用代数和数值的方法分析了该系统由倍周期分岔通向混沌的过程,同时借助Lyapunov指数证明了混沌的存在性,并得到其临界值λ∞=2.348 917 5…。     

利用神经网络解决智能搜索问题

Lei 提出的具有流体特性的神经网络成功地解决了迷宫问题。这里进一步利用神经元之间状态变化量的大小,解决多重路径择优的问题。因为相互联接的各神经元的状态总是由高兴奋点处向低兴奋点处转移,所以沿状态变化最大的方向,找出相应的各神经元的位置,就找到了所有可能的路径中最短的那一条.利用这一基本思想,正确地解决了梵塔难题。     

时延Elman递归神经网络及其在PMSM的混沌控制中的应用

针对Elman递归神经网络存在的高深度、低分辨率问题,提出了一个结构简单的时延Elman递归神经网络模型。通过在Elman递归神经网络中引入多步的时延结构和反馈结构增强网络的记忆深度和分辨率。针对永磁同步电动机（PMSM）中存在的混沌运动,设计了时延Elman递归神经网络控制器和辨识器,推导出时延Elman递归神经网络的动态反传算法。运用离散型Lyapunov稳定判据,推导出此神经网络控制器和辨识器的权值自适应学习速率的取值范围,确保了控制系统的稳定性和快速收敛性。仿真结果表明,作者提出的时延Elman递归神经网络在动态系统的辨识和控制等方面具有良好的性能。     

时延Elman递归神经网络及其在PMSM的混沌控制中的应用

针对Elman递归神经网络存在的高深度、低分辨率问题,提出了一个结构简单的时延Elman递归神经网络模型。通过在Elman递归神经网络中引入多步的时延结构和反馈结构增强网络的记忆深度和分辨率。针对永磁同步电动机(PMSM)中存在的混沌运动,设计了时延Elman递归神经网络控制器和辨识器,推导出时延Elman递归神经网络的动态反传算法。运用离散型Lyapunov稳定判据,推导出此神经网络控制器和辨识器的权值自适应学习速率的取值范围,确保了控制系统的稳定性和快速收敛性。仿真结果表明,作者提出的时延Elman递归神经网络在动态系统的辨识和控制等方面具有良好的性能。     

雷达杂波的神经网络分析

首先用混沌理论分析了雷达海杂波的混沌特性,在此基础上,应用神经网络模拟海杂波的非线性特性,并应用该网络来证实海杂波局部是可预测的．     

一类改进的含分布时滞金融系统的动力学分析

针对一类改进的含分布时滞金融系统进行了动力学分析.通过增维将系统转化为等价的四维连续自治系统,并对该系统的平衡点进行分析.利用劳斯-霍维茨定理得出系统在平衡点达到稳定的参数条件.同时,利用Lyapunov指数和Hopf分岔定理等,对该系统进行了进一步分析,并得出Hopf分岔的参数条件.借助计算机对该四维系统进行数值模拟,得到相应的相图、时序图、Hopf分岔图以及Poincare截面图,验证了理论推导的准确性.     

具有S-分布延时和脉冲控制的一类神经网络的鲁棒同步

具有脉冲的神经网络作为一种典型的混合系统在图像处理、模式识别、优化控制等实际工程中有广泛的应用。在这些应用中,要求神经网络具有鲁棒同步性质。因此,神经网络的鲁棒同步性研究受到许多学者的关注。本文将不确定非线性耦合函数引进到一般类神经网络中,通过构造适当的Lyapunov函数和运用一些不等式分析技术,研究了具有S-分布延时和脉冲控制的神经网络的鲁棒同步性质,得到了保证网络具有一般脉冲鲁棒同步的一个实用条件。     

多阈值神经元及其在多值逻辑中的应用

分析了利用多阈值神经元实现多维空间中多区域非线性划分的原理,以利用神经元实现异或运算为例,阐述了采用多阈值神经元相对于单阈值神经元实现逻辑运算的优点,提出用一个多阈值神经元实现三值逻辑基本运算的方法,从而解决了用多阈值神经网络实现任意三值逻辑函数的问题.在此基础上提出了用一个多阈值神经元实现任意多值函数的方法.此方法简单、规范、有效,可大幅减少神经网络的神经元数量及连线数.     

时滞BAM神经网络的数值逼近

研究了一类重要的多时滞BAM神经网络模型的Hopf分支的数值逼近问题.将时滞差分方程表示为映射,然后利用离散动力系统的分支理论,给出了差分方程的Hopf分支存在的条件,得到了连续模型的Hopf分支与其数值逼近的关系,证明了当步长充分小时,数值Hopf分支值逼近于原方程的Hopf分支值.     

智能变电站通信网络端到端信息的统计时延分布

智能变电站通信系统信息的端到端传输时延上界计算及对此确定上界的定量评价对前期网络设计及运行过程中实时性能评价都具有重要意义。针对智能变电站通信网络中突发信息流具有自相似性的特点,引入分形漏桶模型对智能变电站突发信息流进行信息建模,应用确定网络演算和统计网络演算计算端到端信息传输的确定时延上界及统计时延分布,不仅能够在信息传输前准确判断传输时延能否满足时限要求,而且通过统计时延分布客观评价了该上确界的悲观程度。最后通过实例验证了该方法的可行性和有效性。     

混沌运动的定量与定性分析方法研究及其在Duffing系统中的应用

结合Duffing系统详细阐述了如何计算微分动力系统的分岔图与对应的最大李雅谱诺夫指数,并采用Poincare截面、相空间轨线和关联维数等分析方法对特定参数设置下的系统进行了研究,各种不同的方法获得了相一致的结论,这对于工程实际中存在的混沌运动分析有指导意义.     

基于时滞的无线传感网恶意软件传播模型

为了深入研究无线传感网中恶意软件程序的传播过程,探讨存在时间滞留的情况下恶意软件的传播模型并分析其传播行为,建立了基于时滞的无线传感网恶意软件传播模型。该模型引入传染病学理论,结合传感器节点能量有限、存在时延等特性,对传播过程和特征进行了具体的分析,并对模型系统中状态转换关系、平衡点的存在性以及局部和全局稳定性进行了正确性和完备性分析证明。基于理论分析,建立仿真模型,设置相应的传播比率,对传播过程中各状态节点数量的变化进行仿真实验,进行了系统稳定性分析;对传播过程中时滞的取值和变化进行仿真,进行了系统时滞影响的分析和阈值的确定;与具有代表性的稳定的延迟网络蠕虫传播模型进行对比,给出了不同传播模型的数据分析。实验验证了稳定性理论分析的正确性,确定了影响传播稳定性的参数阈值及其对传播的影响,与其他模型进行了比较,分析了时滞对系统的影响。提出的模型为恶意软件的传播和控制提供了分析和研究思路,对于建立遏制恶意程序在移动无线传感网中扩散传播的安全策略具有指导意义。     

扩频通信中数字混沌序列的产生

本文集中讨论了三种混沌序列的产生方法.这些方法产生的混沌序列随机性良好、抗解码力很强,可作为扩频通信系统中的扩频码或跳频码,具有极高的实际应用价值.     

捕食-食饵模型的稳定性和Hopf分支

研究了具有Beddington-DeAngelis功能反应函数的阶段结构捕食-食饵模型。通过对模型正平衡点处特征方程根的分布的研究,得到了正平衡点局部渐近稳定的充分条件,分析得出在一定条件下,当时滞τ超过临界值时正平衡点经历Hopf分支,从正平衡点分支出一族周期解,同时给出数值模拟的例子。     

网络计划优化中机动时间对紧前工序的影响

研究了机动时间对紧前工序的影响,并给出了当一个工序的机动时间用完后,机动时间对紧前工序产生影响的条件,同时给出了机动时间对紧前工序产生影响的检验步骤。     

一类具有时滞的Lotka—Volterra捕食系统的持久性与全局稳定性

本文研究一类具有时滞的Lotka-Volterra捕食系统.证明了系统在一定条件下是持续生存的,并通过构造适当的Lyapunov泛函,给出了系统全局稳定的充分条件.     

基于混沌时间序列的Elman神经网络工业用电预测

针对电力负荷数据在多重因素相互影响下呈现非线性特性甚至是混沌性的问题,采用基于相空间重构的Elman神经网络方法进行全社会工业月用电量预测.利用小数据量法计算最大Lyapunov指数,判别负荷时间序列的混沌性,进而确定最优延迟时间及最佳嵌入维数进行相空间重构,以此确定Elman神经网络的拓扑结构,并将实测数据带入模型进行训练.通过对实测数据进行预测仿真,表明该模型达到了较好的预测效果,验证了提出的时间序列相空间重构与Elman神经网络结合的正确性与有效性.     

Adaline神经元网络及训练方法的C++仿真实现

以 C++类的形式对 Adaline 神经元进行仿真实现．通过引用所定义的 Adaline 神经元类实现单层和多层神经元网；通过对神经元类的操作可以在内部对组成网络的神经元进行自动计算；最后采用 Adaline 收敛规则和最小均方规则2 种方法实现对神经元的训练。在所给程序基础上,还可实现其它具有不同层次数目神经元网络的仿真．     

网络透视中延迟推理算法的研究和改进

针对许多情况下网络参数不能直接测量的问题,网络透视方法将网络测量与统计推理相结合,间接得到网络中的链路性能参数.针对链路延迟的测量,介绍了网络透视中的基本EM算法,在减小矢量搜索空间,减少在一个时间窗口内调用EM算法次数,利用前面时间窗口的计算结果来避免当前时间窗口的重复EM计算等3个方面提出了降低EM算法计算复杂性的方法,并综合这些方法得出了改进的EM算法.实验表明,使用改进后的算法得到的推理结果能很好地逼近真实结果,并且在效率上有明显的提高.