分享到:

多输出神经元模型的多层前向神经网络及其应用

神经网络是高度非线性动力学系统,又是自适应自组织系统,可用来描述认知、决策及控制等的智能行为,使得智能的认识和模拟成为神经网络理论研究的一个重要方面;同时,神经网络理论又成为信息并行处理的基础,PDP(并行分布处理)成为80年代中后期的一个研究新热点,它进一步拓展了计算概念的内涵,使神经计算、进化计算成为新的研究领域。引起了包括计算机科学、人工智能、认识科学、信息科学、微电子科学、自动控制与机器人、脑神经科学等学科与领域的科学家的巨大热情和广泛兴趣。然而,传统神经元的M-P模型用连接权值和非线性激活函数分别模仿神经元的突触和细胞体的作用。在训练过程中,权值是可以调节的,但激活函数不能调节,是事先确定的。这种模型过于简单,其性能受到极大的限制。基于此,人们提出激活函数可调的神经元模型(TAF)以及由此模型构成的多层前向神经网络(TAF-MFNN),与传统网络相比,采用这种新型的神经元模型来解决某些问题时,所需要的网络会更为简单,网  (本文共123页) 本文目录 | 阅读全文>>

《控制理论与应用》2004年04期
控制理论与应用

多输出神经元模型的多层前向神经网络及其应用

1 引言(Introduction)神经元的M_P模型半个世纪以来在各种人工神经网络的研究中得到广泛的应用.这种模型用连接权值和非线性激活函数分别模仿神经元的突触和细胞体的作用.Segee[1]曾深入研究了一些常用的BP网络,发现采用固定的S_型激活函数神经元模型的网络来解决某些问题时,很难获得满意的结果,Lee和Kil[2]等人也曾对采用S_型、Gauss型和正弦型激活函数的神经元模型的映射能力分别进行了模拟实验,结果表明,在3种网络中采用S_型激活函数的网络,其映射性能最差.吴佑寿等[3]深入讨论了一种激活函数可调的神经元模型(tunableactivationfunction,TAF)模型,采用这种模型的多层前向神经网络的网络容量和性能,优于采用通常M_P模型的网络.但是其学习算法为BP算法.本文作者[4]曾将TAF网络做了一个适当的变形,利用递推最小二乘算法(RLS)训练网络,大大提高网络学习的收敛速度及精度.在此基础上...  (本文共3页) 阅读全文>>

燕山大学
燕山大学

基于遗传优化的神经网络控制策略的研究

随着自动控制科学的发展,人们对控制系统品质的要求不断提高,对具有非线性、不确定性和难以建立精确数学模型的复杂系统的控制方面,传统的控制策略越来越显示出其局限性,与此同时智能控制理论的发展,为解决这类问题提供了新的研究思路。本文所研究的基于遗传算法优化的神经网络复合逆控制策略,利用遗传算法和人工神经网络的融合来解决当前控制领域的难题。由于人工神经网络具有非线性映射、并行计算、自学习等能力以及鲁棒性强等特点,目前在复杂非线性系统进行建模、参数优化和控制等领域应用广泛。本文对多层前向BP神经网络的学习问题展开研究。对基于梯度下降的BP学习算法存在的局部收敛的问题,引入遗传算法来解决神经网络的权值、阈值学习,提出了改进BP神经网络学习算法的遗传寻优学习算法,提高了网络的学习精度。并以逆系统控制思想为指导,提出了基于遗传寻优学习神经网络的复合逆控制策略。本文以材料试验机这一典型的电液伺服系统为控制对象,把基于遗传寻优神经网络的复合逆控制策...  (本文共92页) 本文目录 | 阅读全文>>

《机械科学与技术》2017年02期
机械科学与技术

感应电场作用下神经元模型的放电机制及稳定性分析

调节神经元系统的控制参数可以导致不同性质的动力学现象,进而影响神经系统相应的功能[1-3]。近年来,大量实验和临床研究表明,感应电场对神经电活动具有潜在的调节作用。极低频电磁场治疗技术在治疗精神疾病中被逐渐使用[4-5],因此研究神经元对外部刺激的响应,有助于探究由外部刺激(如电磁场)引发疾病的机理,同时可利用外部刺激使神经元产生特定放电模式,对大脑认知有潜在的理论意义和现实意义[6-7]。Morris-Lecar(ML)神经元形式简单,能够很好地再现Hodgkin等定义的3类神经元[8]。通过对感应电场作用下的ML神经元模型进行稳定性分析,结合转换相图[9]及平衡曲线,考察周期性正弦感应电场激励导致ML神经元产生不同放电现象的机制。1模型分析Prescott等基于ML提出了改进的ML神经元模型[10]。Modolo等[3]指出,神经元受到感应电场刺激相当于在细胞膜上产生极化电压ΔV。结合已有的模型研究[3,11],将ΔV视作对...  (本文共5页) 阅读全文>>

《生物化学与生物物理进展》1988年02期
生物化学与生物物理进展

联合型学习的神经元模型

学习,是指人和动物依赖于经验来改变自身行为以适应环境的神经过程。学习与记忆的神经机制,一直是生理学家们最感兴趣的问题之一。术世纪著名的生理心理学家Hebb于四十年前首先提出了学习的神经元理论。他认为神经系统的可塑性,是包括学习记亿在内的行为适应的基础,而神经系统的可塑性,则取决于神经元突触传递的可塑性〔l,21。著名的突触生理权威Ecdes也曾认为,不同类型的刺激在神经元的会聚,是建立条件反射的神经生理基础。今天,大多数的神经生理学家们都已经相信,一小群神经元以至单个神经元的活动的改变,对于学习记忆的形成有着极为重要的作用。 学习的模式可分为两种:一种是非联合型的non一ass。ciative,即只需一种刺激就可以形成。它不需要刺激在时间上的固定关系或与伴随刺激之间的联合,这是一种最简单的学习形式,属于这种类型的学习有习惯化、敏感化等。另一种是联合型associative的学习,它需要协同地施加两个或两个以上的、具有一定时间关系...  (本文共5页) 阅读全文>>

《自动化学报》1988年06期
自动化学报

一种用于计算机模拟的神经元模型

一、绪论 自Moculfoch和Pitts提出第一个神经元的数学模型以来,对单个神经元的控制论方面的研究已有了很大的进展.这些工作可粗略地分为两类:对单个神经元的研究和对神经元网络的研究. 对单个神经元的模拟,着重于用数学形式描述神经元的生物学性质,特别是电生理学性质.对神经元网络研究的目的是表现网络的整体性质,但模拟神经元网络也必须要模拟单个神经元.这决定了所设计的神经元模型往往对神经元的某些性质作比较精确的刻画,而对其它与整体性质关系不大的性质予以忽略.较为典型的有用于感知机的神经元模型r14J,感知机是一种通过学习学会分类图形的装置:用于认知机的神经元模型,认知机能完成一定的模式识别和联想的任务‘sJ; Arbib等所设计的两栖类动物的神经元模型,基于此模型的神经元网络能有效地模仿两栖类动物的捕食行为和逃避行为等氏3]. 本文提出一种新的神经元模型,目的是为一个通用神经元网络模拟语言sLoNN提供一个较精细的基本神经元模型...  (本文共7页) 阅读全文>>

西南大学
西南大学

Hindmarsh-Rose神经元模型的分岔与控制

Hindmarsh-Rose神经元模型是经典的神经元模型,其已有研究涉及分岔、混沌与同步等问题。连续的Hindmarsh-Rose神经元模型的分岔特性研究已经比较清楚,然而各种形式的混合神经元模型的分岔现象的研究还很不清楚。本论文旨在研究混合Hindmarsh-Rose神经元模型的分岔与控制。在论文的第一章中,介绍了神经元模型中的一些基本概念及分岔、混沌理论知识。在论文的第二章中,介绍了Hindmarsh-Rose模型的基本性质及以后各章中涉及到的预备知识。在论文的第三章中,将Hindmarsh-Rose神经元模型规划为Filippov系统,以膜势能为阈值,建立相应的切换函数。在Filippov系统框架下,讨论了二维HindmarshRose模型平衡点的存在性和稳定性。紧接着,讨论了Hindmarsh-Rose模型的滑膜动力学,包括滑膜段、Filippov体系下的各种平衡点,诸如真平衡点、假平衡点、伪平衡点、边界平衡点等。随后,...  (本文共112页) 本文目录 | 阅读全文>>