基于非联合型学习机制的学习神经元模型

针对生物神经细胞所具有的非联合型学习机制,设计了具有非联合型学习机制的新型神经元模型——学习神经元。首先,研究了非联合型学习机制中习惯化学习机制和去习惯化学习机制的简化描述;其次,建立了习惯化和去习惯化学习机制的数学模型;最后,基于经典的M-P（McCulloch-Pitts）神经元模型,提出了具有习惯化和去习惯化学习能力的新型神经元模型——学习神经元。经仿真实验验证,学习神经元具有典型的习惯化和去习惯化学习能力,为构建新型神经网络提供良好的基础。     

多时滞无线通信网络的功率和速率最优跟踪

研究了无线通信网络的功率和速率控制这一热点问题。针对传统的无线通信网络模型并没有同时考虑状态时滞和输入时滞,已有的功率和速率控制算法也不能保证系统具有最优输出跟踪性能的情况,重新建立了无线通信网络的模型,在建模过程中考虑了多时滞,得到了含有不同的状态时滞和输入时滞的功率和速率控制系统模型,在此基础上,研究了一般形式的多时滞模型的时滞补偿算法,并将该算法应用在提出的多时滞模型中,给出了无线通信网络功率和速率的最优跟踪控制律。经过计算机仿真验证,提出的最优控制律具有良好的控制性能。