基于DSP的神经刺激与神经记录系统

神经信号是频率在10～500kHz的微弱信号,对神经信号进行记录可以为病理诊断提供依据,同时通过对神经进行刺激可以治疗小儿麻痹症,偏头痛等疑难病症.以TMS320C5402为高速数字信号处理控制器,设计了一个数据采集与控制系统,它有两种工作模式:O模式用于神经信号的采集(记录);1模式用于神经信号的刺激.通过仿真和实验...     

神经控制（Ⅰ）─—神经元控制

介绍了作者在神经控制──神经元控制方面的研究成果，主要包括面向控制的神经元模型、神经元控制系统、神经元无模型控制方法和应用实例。     

Kohonen神经网络在复合材料损伤主动监测技术中的应用

主动监测技术是近几年来发展起来的复合材料损伤监测的新技术，本文将Kohonen自组织特征映射神经网络与主动监测技术相结合应用于复合材料损伤监测中，该方法具有结构算法简单，无导师监督学习和侧向联想等功能，根据此方法及虚拟仪器技术，设计开发了相应的复合材料结构损伤监测系统，经复合材料损伤监测实验证，是一种十分有效的损伤检测方法。     

神经模糊网络特征选择

基于人工神经网络的特征选择算法一般可以看作是剪枝算法的一个特例:通过剪枝输入节点,计算网络输出对该输入节点对应特征的敏感性.但这些方法往往要求首先对数据做归一化的工作,这可能会改变原数据具备的对分类很重要的某些性质.神经模糊网络是具有自学习能力的模糊推理系统,本文将其与基于隶属度空间的剪枝技术结合起来提出新的特征选择算法.其特点是隶属度函数是自适应学习的,且学习过程在特征选择之前完成.分别对自然数据和人工数据进行实验,并与其它方法相比,结果证明该算法是有效的.     

双人协作任务中协作绩效的神经人因学探讨

目的 从神经人因学的视角出发,探讨双人协作任务中协作绩效的神经生理机制及其影响和促进.方法 采用文献调研和分析方法,分别对神经人因学、神经工效、人机交互、脑机接口等不同领域的相关文献进行了分析,首先系统梳理了神经人因学领域中双人协作任务中绩效的研究技术和方法;其次探讨了神经人因学视角下,协作任务中的绩效表现及其神经机制;再次在此基础上探讨了协作绩效的影响因素及如何增强和促进问题;最后总结了下一步神经人因学领域协作绩效研究如何在未来智能人机交互领域应用.结论 神经人因学视角下,双人协作任务中协作绩效的研究有助于理解人机协同作业或人机组队操作中,操作者之间的人际表征对协同、组队操作的影响作用,研究成果可直接应用于协同作业系统的设计和优化,特别是未来智能时代人机组队的设计和优化,满足众多复杂的人机系统协同作业设计的需求,为建立自然高效协同作业的交互模式提供科学依据.     

面向神经形态感知的人工脉冲神经元的研究进展

近年来,随着人工智能技术和脉冲神经网络(SNN)的迅猛发展,人工脉冲神经元的研究逐渐兴起。人工脉冲神经元的研究对于开发具有人类智能水平的机器人、实现自主学习和自适应控制等领域具有重要的应用前景。传统的电子器件由于缺乏神经元的非线性特性,需要复杂的电路结构和大量的器件才能模拟简单的生物神经元功能,同时功耗也较高。因此,最近研究者们借鉴生物神经元的工作机制,提出了多种基于忆阻器等新型器件的人工脉冲神经元方案。这些方案具有功耗低、结构简单、制备工艺成熟等优点,并且在模拟生物神经元的多种功能等方面取得了显著进展。文章将从人工脉冲神经元的基本原理出发,综述和分析目前已有的各种实现方案。具体来说,将分别介绍基于传统电子器件和基于新型器件的人工脉冲神经元的实现方案,并对其优缺点进行比较。此外,还将介绍不同类型的人工脉冲神经元在实现触觉、视觉、嗅觉、味觉、听觉和温度等神经形态感知方面的应用,并对未来的发展进行展望。希望能够为人工脉冲神经元的研究和应用提供有益的参考和启示。     

基于神经网络的图象序列特征点匹配

利用神经网络优化技术解决图象序列的特征点匹配问题，将特征点匹配归结为一个带约束的优化问题，并用2D Hopfield网络实现，在Hopfield网络的能量函数的设计中，综合考虑了特征点的预测结果、特征点的遮挡等情况，从而克服了现有的多数方法所存在的误匹配现象，对于特征点的跟踪，头3帧图象的正确匹配是十分关键的。本文提出了一种3D Hopfield网络用以解决头3帧图象的特征点匹配，并提出了一个运动平滑性的代价函数用以构造3D Hopfield网络的能量函数，实际图象序列的实验结果证明了本方法的有效性。     

基于改进YOLOv5的交通车辆目标检测

随着城市人口的不断增加,不同的车辆使得交通状况越来越复杂。对此番现象进行研究之后,提出了一种改进的YOLOv5深度神经网络模型来实现交通中的车辆识别与检测,将有效帮助交通管理部门分析车辆和行人的运行状况。在分析YOLOv5算法的核心后,并针对交通目标尺度变化大的特点,充分利用了YOLOv5算法检测轻量化、速度快、实时性强的性质,并在此基础上,用FPN架构改进网络结构以便适应目标尺度的剧烈变化,用改进的K-means算法选出更加适合的初始候选框,不仅提高了运行速度,而且满足了实时性和准确性的要求,最终获得了较为成功的目标检测效果及其方案。     

基于重解码的神经机器翻译方法研究

基于Transformer的序列转换模型是当前性能最优的机器翻译模型之一.该模型在生成机器译文时,通常从左到右逐个生成目标词,这使得当前位置词的生成不能利用译文中该词之后未生成词的信息,导致机器译文解码不充分从而降低译文质量.为了缓解上述问题,该文提出了基于重解码的神经机器翻译模型,该模型将已生成的机器译文作为目标语言...     

基于Choquet积分-OWA的自适应神经模糊推理系统及其应用

针对已有的自适应神经模糊推理系统(ANFIS)在模糊规则后件表达上的缺陷和常见的模糊推理系统存在的主要问题,提出基于Choquet积分OWA的模糊推理系统(AggFIS),在模糊规则的后件表达、模糊算子的普适性和输入及规则的权重等方面有很大优势,它试图建立能够充分体现模糊逻辑本质和人类思维模式的模糊推理系统.根据模糊神经网的基本原理将AggFIS与前馈神经网络相结合,得到基于Choquet积分-OWA的自适应神经模糊推理系统(Agg-ANFIS),并将该模型应用于交通服务水平评价问题.实验结果证明,基于Choquet积分OWA的自适应神经模糊推理系统具有很好的非线性映射功能,它的本质是一类通用逼近器,为解决复杂系统的建模、分析及预测问题提供了有效的途径.