导读:本文包含了小脑神经网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,小脑,支架,脑神经,疲劳,递归,自闭症。
小脑神经网络论文文献综述
张晔[1]（2019）在《石墨烯—碳纳米管复合支架可模拟脑神经网络》一文中研究指出科技日报苏州2月27日电 （记者张晔）阿尔茨海默症、帕金森病、脑胶质瘤……在科技发达的今天，人类对脑部疾病依然束手无策。近日，由中国、意大利、美国学者组成的研究团队，最新研发出一种叁维石墨烯—碳纳米管复合网络支架。这种生物支架能很好地模拟大脑神经网络结构(本文来源于《科技日报》期刊2019-02-28）
韩新勇[2]（2018）在《斑马鱼全脑神经网络的临界态无尺度特性研究》一文中研究指出很多实验与仿真结果的证明,大脑或神经网络处于临界状态时对信息处理有很多优势,比如最大的记忆容量、最广的信息多样性、最宽动态响应范围等。由于技术和实验动物的限制,以往的研究中展示出大脑在局限范围内的无尺度临界状态的特征。比如在人类全脑上用功能核磁共振(functional magnetic resonance imaging,f MRI)和脑磁图(magnetoencephalography,MEG);在人类和非人灵长类动物的脑区上用皮层脑电(electrocorticography,ECoG)和电压成像(voltage imaging);在鼠、猫和非灵长类动物的脑区局部上用局部场电位(local field potential,LFP)这些低空间分辨率观察到无尺度临界状态。另外,在啮齿类动物上应用高空间分辨率的双光子成像技术(2-photon imaging)也只观察到几十个神经元数量级的临界状态。所以,目前没有从一种动物上存在一致且完整的证据证明这样的假说:大脑的临界状态的无尺度特性是从神经元群组跨越到整个全脑范围。为了证明这个假说,本研究应用双光子成像技术记录了斑马鱼全脑每一个神经元的神经活动数据,从两个角度证明了更广范围的无尺度临界状态:一,从局部几十个神经元到到全脑上万神经元,跨越四个尺度观察窗口的无尺度临界状态;二,从全脑几十个粗粒到上万个粗粒,跨越四个尺度粗粒化处理的全脑无尺度临界状态。这是第一次跨越四个数量级、多维度、多角度的从一种动物上完整证明了大脑的临界状态无尺度特征。不仅如此,通过叁种估计化的方法(最小二乘法、KS估计和最大似然估计)和两种模型(幂律分布和指数分布)对比,定量化的证明了结论的可靠性;通过两种随机化处理方式(帧随机和匹配随机)对比突出了大脑两种维度(规模和时间)的临界状态特征;还通过对比不同尺度粗粒化处理中大脑的其他有尺度差异的特征(神经雪崩的组织方式、神经雪崩的相关性和全脑的功能连接),凸显出无尺度临界状态的独特性。这些发现与结果也许能够帮助我们从多维多层次的角度,仿真大脑或复杂网络和理解有关大脑疾病与智慧的奥秘。(本文来源于《哈尔滨理工大学》期刊2018-06-01）
李红霞,黄已芯,田水承,侯媛彬[3]（2018）在《小脑神经网络在矿工疲劳监测控制系统中的应用》一文中研究指出针对矿工井下疲劳监测与控制难题,探索矿工疲劳务工的生理指标状况,降低矿工疲劳状态下务工的可能性,指导煤矿高层管理者对矿工疲劳生产的管理与控制,并为新设计的矿工疲劳监测控制系统提供新的方法与依据。采用多元信息融合技术,提取了皮电、肌电、脑电等12个疲劳水平监测信号,对矿工务工期间进行半接触式肢体图像和信号分析,构建了矿工疲劳监测信号体系;结合CMAC神经网络理论,提出矿工疲劳务工期间的疲劳检测控制系统模型,并通过收集矿工务工期间的多生理指标对构建的模型进行验证。结果表明:矿工疲劳监测与控制系统监测结果与实际矿工疲劳水平的平均偏差为0.2,偏差为0.1~0.3的约占51.7%,0.4~0.7的约占32.2%,0.8~1.0的约占16.1%,比传统的单一信号监测精度更高,偏差更小,更能满足实际生产中的矿工监测与控制的精度需求。为缓解当前矿工疲劳生产的现状,依据矿工疲劳监测结果,结合金融风险管理理论,应采用的方法是:当矿工疲劳水平超出生理负荷值时,机械自启强迫停止功能;当矿工疲劳水平严重时,提醒班组长强迫矿工换班(岗);当矿工出现疲劳迹象时,报警提示矿工调整自身疲劳状态等。为后期中国煤矿人员安全与高效生产的电子监测与控制领域提供一种新的设计参考。(本文来源于《西安科技大学学报》期刊2018年03期）
[4]（2018）在《“芯片大脑”为模拟脑神经网络带来希望》一文中研究指出据Futurism网站报道,目前研究人员正在改进并完善"芯片大脑"技术。科学家们认为,随着这种技术的成熟,未来或将可以不再因许多神经系统疾病进行动物甚至人体临床试验。所谓"芯片大脑"技术在本质上说是研究人员将半导体晶圆用纳米导线打造的网络。当脑细胞被引入芯片后,他们可以使用纳米线作为支架来构建功能性神(本文来源于《祝您健康》期刊2018年03期）
黄小琴,陈力[5]（2018）在《基于递归小脑神经网络模型控制的空间机器人关节抗死区及摩擦控制》一文中研究指出探讨了存在关节力矩输出死区、摩擦与外部干扰的载体位姿均不受控的漂浮基空间机器人系统的动力学控制问题。设计了一种递归小脑模型关节控制器(CMAC)神经网络与死区估计补偿器,使两关节铰能够跟踪期望运动轨迹。该控制器利用摩擦双观测器估计不可测的内部摩擦状态,利用死区预补偿器消除关节力矩输出死区的影响;应用递归小脑神经网络模型逼近了包含摩擦误差及外部干扰的动力学方程不确定项。仿真结果表明了该控制方法的有效性。(本文来源于《中国机械工程》期刊2018年02期）
乔广[6]（2017）在《经典条件反射的类脑神经网络模型及其智能应用》一文中研究指出通过赋予机器人学习能力从而提高机器人自适应性是当今机器人领域的一个研究热点。经典条件反射是动物最基本的一种学习系统,实现机器人条件反射能力对提高机器人学习能力具有重要价值。本文从借鉴大脑工作机制的角度探讨了经典条件反射的理论计算模型和实现方法。放电时序依赖可塑性被认为是经典条件反射现象的底层机制。传统的放电时序依赖可塑性在时间上是离散形式的,不利于进一步的分析与计算。本文以神经科学的研究结果为基础,提出了一种与放电时序依赖可塑性等价的连续形式的突触可塑性规则。该规则有利于对类脑神经网络的结构和功能做进一步的分析,并且能够解决了离散形式下的时序依赖可塑性与经典条件反射在时间尺度上的不相容性。以放电时序依赖可塑性为基本的突触效率调节方式,本文建立了一种类脑神经网络模型。在该模型中,外界刺激通过改变对应的神经元群落的活动强度,进而改变突触的连接强度。该模型通过突触连接强度的改变表现出不同刺激之间的关联关系。该模型能够成功的解释经典条件反射的习得、消退、阻塞等现象。本文实现了一种机器人的经典条件反射系统,依赖该系统机器人可以学习到环境中不同刺激出现的时序关系,从而能够有效地预测出即将出现的障碍刺激,做出提前避障的行为。本文提出的经典条件反射的理论模型具有较好的神经科学的理论支持,数值计算和仿真实验结果表明该模型能够有效地模拟经典条件反射现象。本文提出的经典条件反射系统的实现方法能够赋予机器人建立条件反射的能力,增强了机器人的自主学习能力。(本文来源于《哈尔滨理工大学》期刊2017-06-01）
张梦然[7]（2017）在《人类或有机会修饰大脑发育过程》一文中研究指出科技日报北京4月26日电 （记者张梦然）在英国《自然》杂志25日发表的两项神经科学成果中，美国科学家报告了发育中人脑的两个叁维模型，这些系统让研究人员有机会在培养的细胞中研究和修饰大脑发育的关键过程，对理解正常的大脑发育和某些疾病（如自闭症谱系障碍和精神(本文来源于《科技日报》期刊2017-04-27）
徐少川,刘东昆,刘宝伟[8]（2016）在《基于模糊算法的多小脑神经网络在混凝投药系统中的应用》一文中研究指出净水工艺中的混凝投药是一个受多变量影响的非线性系统,无法建立准确的数学模型,且滞后时间较长。为了将混凝投药后的出水浊度控制在设定的范围内,并且有效地减少投药量,通过对混凝投药过程的分析,设计一种基于模糊算法的多小脑神经网络(CMAC神经网络)前馈控制器,并设计控制器离线建模和在线学习的方法。最后使用MATLAB进行仿真验证,结果表明,该前馈控制器能够在原水浊度和原水温度变化的情况下,有效地将浊度控制在设定的范围内,并且能够实现投药量的优化。(本文来源于《计算机应用与软件》期刊2016年10期）
姜琴,王林[9]（2016）在《基于CMAC小脑神经网络的机场鸟情预测研究》一文中研究指出针对机场鸟情预测这一问题,本文提出了一种运用CMAC小脑神经网络算法预测鸟情的新方法。通过采集某机场鸟情信息及天气情况的数据进行综合分析,确定各因素间的相关性,给出鸟情数据预处理方法并利用CMAC建立预测模型。实验结果验证了CMAC小脑神经网络在鸟情预测方面具有良好的局部逼近效果,预测误差较小,同时表明了CMAC小脑神经网络应用于机场鸟情预测是可行有效的,具有良好的应用价值。(本文来源于《牡丹江大学学报》期刊2016年01期）
邵亚超[10]（2015）在《基于超级计算机的大规模脑神经网络的仿真技术研究》一文中研究指出近年来,脑科学研究成为了先进国家的重点研究领域,欧盟、美国、日本等国家相继提出各自的脑计划。研究人脑机理不仅能够加深对人脑的认识,由此促进脑疾病的治疗技术的发展,并且会对信息技术产生革命性影响,带来巨大的社会经济效益。经过几十年的发展,目前最快的超级计算机TH-2计算峰值已经达到了55Mflops。世界有关国家正在研制Eflops规模的超级计算机,正面临着许多重大技术挑战,如系统结构、功耗、可靠性、编程模式等。脑科学的研究对解决上述问题有重要的启发和推动作用,IBM的神经计算芯片为研制借鉴脑功能的超级计算机带来了一线曙光。大脑主要由神经元和突触构成,实现功能的机理复杂多样,从计算角度看,它们都是通过神经元构成的脑神经网络活动来实现的。此外,大规模脑神经网络计算特性与当前的超级计算机具有并行、分布、多层次等共同特点,因此可以通过用超级计算机仿真脑神经网络来实现对大脑功能的深入研究。大脑由大约百亿神经元、百万亿突触连接构成,而当前脑神经网络的仿真规模一般只有10~5个神经元,而一般区域性连接都至少需要10~6个神经元量级的神经网络。本课题从信息科学角度研究脑功能出发,主要是研究神经网络模型以及神经网络仿真技术。本文在超级计算机TH-1A上部署了神经网络仿真软件NEST,以神经元和神经网络为基本点,结合TH-1A的计算优势进行了脑神经网络仿真的相关研究,主要完成了如下工作:(1)分析脑神经网络基本结构,研究神经元模型、突触模型、神经网络模型,并从中选取适合进行大规模仿真的模型。(2)在TH-1A上部署脑神经网络仿真平台NEST,使用NEST在TH-1A上构建大规模脑神经网络,利用分析工具对用NEST构建的神经网络进行了内存占用和可扩展性分析。(3)研究提高NEST仿真效率的方法,减少神经元、突触数据结构冗余,提高神经网络的连接效率,实现大规模脑神经网络在超级计算机上的高效运行,从而提高NEST的脑神经网络仿真性能,扩大神经网络仿真规模。(4)构建1mm~3哺乳动物全尺度脑皮层区域仿真模型,实现了多个神经网络的层级互连,研究和验证神经网络层级之间的信息传递方式。(本文来源于《国防科学技术大学》期刊2015-11-01）
小脑神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
很多实验与仿真结果的证明,大脑或神经网络处于临界状态时对信息处理有很多优势,比如最大的记忆容量、最广的信息多样性、最宽动态响应范围等。由于技术和实验动物的限制,以往的研究中展示出大脑在局限范围内的无尺度临界状态的特征。比如在人类全脑上用功能核磁共振(functional magnetic resonance imaging,f MRI)和脑磁图(magnetoencephalography,MEG);在人类和非人灵长类动物的脑区上用皮层脑电(electrocorticography,ECoG)和电压成像(voltage imaging);在鼠、猫和非灵长类动物的脑区局部上用局部场电位(local field potential,LFP)这些低空间分辨率观察到无尺度临界状态。另外,在啮齿类动物上应用高空间分辨率的双光子成像技术(2-photon imaging)也只观察到几十个神经元数量级的临界状态。所以,目前没有从一种动物上存在一致且完整的证据证明这样的假说:大脑的临界状态的无尺度特性是从神经元群组跨越到整个全脑范围。为了证明这个假说,本研究应用双光子成像技术记录了斑马鱼全脑每一个神经元的神经活动数据,从两个角度证明了更广范围的无尺度临界状态:一,从局部几十个神经元到到全脑上万神经元,跨越四个尺度观察窗口的无尺度临界状态;二,从全脑几十个粗粒到上万个粗粒,跨越四个尺度粗粒化处理的全脑无尺度临界状态。这是第一次跨越四个数量级、多维度、多角度的从一种动物上完整证明了大脑的临界状态无尺度特征。不仅如此,通过叁种估计化的方法(最小二乘法、KS估计和最大似然估计)和两种模型(幂律分布和指数分布)对比,定量化的证明了结论的可靠性;通过两种随机化处理方式(帧随机和匹配随机)对比突出了大脑两种维度(规模和时间)的临界状态特征;还通过对比不同尺度粗粒化处理中大脑的其他有尺度差异的特征(神经雪崩的组织方式、神经雪崩的相关性和全脑的功能连接),凸显出无尺度临界状态的独特性。这些发现与结果也许能够帮助我们从多维多层次的角度,仿真大脑或复杂网络和理解有关大脑疾病与智慧的奥秘。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小脑神经网络论文参考文献
[1].张晔.石墨烯—碳纳米管复合支架可模拟脑神经网络[N].科技日报.2019
[2].韩新勇.斑马鱼全脑神经网络的临界态无尺度特性研究[D].哈尔滨理工大学.2018
[3].李红霞,黄已芯,田水承,侯媛彬.小脑神经网络在矿工疲劳监测控制系统中的应用[J].西安科技大学学报.2018
[4]..“芯片大脑”为模拟脑神经网络带来希望[J].祝您健康.2018
[5].黄小琴,陈力.基于递归小脑神经网络模型控制的空间机器人关节抗死区及摩擦控制[J].中国机械工程.2018
[6].乔广.经典条件反射的类脑神经网络模型及其智能应用[D].哈尔滨理工大学.2017
[7].张梦然.人类或有机会修饰大脑发育过程[N].科技日报.2017
[8].徐少川,刘东昆,刘宝伟.基于模糊算法的多小脑神经网络在混凝投药系统中的应用[J].计算机应用与软件.2016
[9].姜琴,王林.基于CMAC小脑神经网络的机场鸟情预测研究[J].牡丹江大学学报.2016
[10].邵亚超.基于超级计算机的大规模脑神经网络的仿真技术研究[D].国防科学技术大学.2015
论文知识图
