学位论文 > 优秀研究生学位论文题录展示
基于映射模型的小世界神经网络同步特性的研究
作 者: 温金鑫
导 师: 王江
学 校: 天津大学
专 业: 控制科学与工程
关键词: 混沌相同步 二维映射模型 小世界神经网络 周期驱动信号 时延反馈
分类号: TP183
类 型: 硕士论文
年 份: 2012年
下 载: 64次
引 用: 1次
阅 读: 论文下载
内容摘要
大脑中约有101 1个神经元,神经元之间通过突触连接构成神经网络,实现大脑的各种生理功能。研究表明,大脑神经网络具有小世界拓扑结构特征,神经网络的过度同步放电会导致帕金森症、癫痫等生理疾病,研究如何消除这些病态同步具有重要意义。本文采用映射神经元模型研究了小世界神经元网络的同步特性,并进一步分析了外部周期信号和非线性时延反馈对网络同步性能的影响。首先,对基于映射模型的小世界神经网络进行了簇放电同步分析,分别采用平均场、簇放电频率、有序参数作为诊断同步的手段,研究了网络簇放电同步性能随网络拓扑结构——耦合强度,重连概率,网络大小等的变化关系。其次,对簇放电同步的小世界神经网络施加外部周期信号,研究外部周期信号的驱动幅值和频率变化对网络外部混沌相同步的影响。通过计算仿真,发现了锁相区域大小与网络规模,重连概率、驱动神经元个数之间的变化关系,并证明了存在最佳小世界网络拓扑结构,对应参数平面的最大锁相区间,可以选择锁相区域之外的参数去同步。最后,对簇放电同步的小世界神经网络施加非线性时延反馈,通过调节非线性时延反馈的反馈强度和延迟时间,研究其去同步化效果。研究发现,非线性反馈可以实现神经网络的去同步化,且不改变神经元本身的簇放电特性,与线性反馈控制相比,非线性时延反馈对参数的变化具有更好的鲁棒性。本文利用基于映射模型的小世界神经网络的动力学分析,揭示了外部周期信号和时延反馈对网络同步性能的影响,为病态同步导致的神经疾病的治疗提供新的思路。
|
全文目录
摘要 3-4 ABSTRACT 4-6 目录 6-8 第一章 绪论 8-12 1.1 研究背景 8-9 1.2 研究思路 9 1.3 主要贡献 9-10 1.4 内容安排 10-12 第二章 文献综述 12-24 2.1 神经元模型 12-17 2.1.1 神经元模型 12-13 2.1.2 Rulkov 离散映射神经元模型 13-17 2.2 神经网络 17-21 2.2.3 复杂网络 17-18 2.2.4 小世界网络 18-21 2.3 混沌与混沌同步 21-24 2.3.1 混沌 21 2.3.2 混沌同步 21-24 第三章 小世界映射神经网络同步分析 24-33 3.1 映射神经元模型 24-25 3.2 小世界网络模型 25-27 3.3 神经元簇放电相同步 27-32 3.4 本章小结 32-33 第四章 外部混沌相同步分析 33-40 4.1 深度脑刺激(DBS) 33-35 4.2 外部混沌相同步 35-39 4.3 本章小结 39-40 第五章 非线性时延反馈控制 40-48 5.1 非线性反馈 40-42 5.2 非线性时延反馈的鲁棒性和有效性 42-47 5.3 本章小结 47-48 第六章总结与展望 48-50 6.1 结论 48-49 6.2 展望 49-50 参考文献 50-55 发表论文和参加科研情况说明 55-56 致谢 56
|
相似论文
- 基于MIMO无线通信系统的跨层设计研究,TN919.72
- 小世界理论在神经网络预测方法中的应用,O157.5
- 低时延的无线传感器网络MAC协议研究,TN929.5
- 非理想反馈MIMO-OFDM系统资源分配技术研究,TN929.5
- 基于负载均衡结构的高速交换技术研究,TP393.05
- 某武器检测装置的控制系统设计,TP183
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 不具备全局Lipschitz条件的时滞细胞神经网络的反周期解研究,TP183
- 基于神经网络的传输线故障识别方法研究,TP183
- 基于遗传算法的前馈神经网络优化研究,TP183
- 基于模糊神经网络的设备故障诊断专家系统,TP183
- 非线性时变系统的时变高阶神经网络建模,TP183
- 基于改进BP网络的软件项目风险评价研究,TP183
- 基于改进BP算法的热轧带钢力学性能软测量,TP183
- 基于改良蚁群算法的神经网络分类规则提取,TP183
- 小波神经网络在建筑物地基沉降预测中的应用研究,TP183
- 基于正则化方法改进BP算法的研究,TP183
- 协同量子差分进化算法及其在蒸汽管网优化中的应用,TP183
- 神经元MOS管在神经网络中的应用研究,TP183
- 基于整合—激发神经元的自组织网络研究,TP183
- CMAC神经网络的模型改进及在油藏工程中的应用,TP183
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com
|