导读:本文包含了神经元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:神经元,神经网络,网络,脉冲,驻波,突触,模型。
神经元网络论文文献综述
王旭,王晶,张伟功[1]（2019）在《基于神经元容错度分析的神经网络裁剪与近似计算技术研究》一文中研究指出本文将神经元裁剪和近似计算技术相结合,首先提出基于统计排序的神经元容错能力量化方法.然后,为了识别神经元的裁剪度,根据神经元的容错能力提出神经元重要程度排序算法.其次,引入轻量级的重训练,提出循环裁剪法,以探寻最优裁剪率.最后,根据神经元的容错能力,在神经网络运行过程中使用近似计算技术进一步降低功耗开销.本文通过两个实验,证明了该技术的有效性,其中以MNIST为例,在精度损失小于5%的情况下,压缩率达到50%,节能1.35倍.(本文来源于《微电子学与计算机》期刊2019年11期）
刘学文,任兴贵,徐定杰[2]（2019）在《基于RBF神经网络单神经元PID控制的恒功率直流变换研究》一文中研究指出随着可再生清洁能源太阳能和风能的广泛应用,孤岛式微型直流电网被用于偏僻的地区和一些孤立的海岛。这些地方的特征往往是随着大气的不规律特性,造成太阳能和风能发电系统的非线性特征非常明显,并且二次端直流负载的接入与断开的随机性也比较大,容易引起微型电网的波动。为不影响其他用电设备的正常工作,恒功率直流变换是一种合适的解决方案。本论文提出的基于RBF神经网络在线辨识的单神经元PID控制的直流变换,结合了普通PID控制结构简单和神经网络非线性系统自适应性强的双重优点,解决了二次直流负载端稳定的直流电源供电问题。(本文来源于《自动化与仪器仪表》期刊2019年08期）
周晓虎,楼美琪,张学敏,孙宇,张小航[3]（2019）在《基于神经元网络的热暴露对TC4钛合金拉伸性能影响预测》一文中研究指出对TC4钛合金热处理态、200、400和500℃热暴露不同时间的拉伸性能进行了研究,并利用BP人工神经元网络方法建立了不同温度与时间热暴露下试样拉伸性能的预测模型。结果表明:大多数热暴露与拉伸测试条件下合金的强度与塑性性能并未发生严重的恶化,热暴露前后试样拉伸塑性的差值大多在±7.5%左右波动,断面收缩率最多降低了约13%。对所建立的BP人工神经网络模型预测精度的分析表明,当隐含层神经元个数为11时,该模型的预测效果最佳。该模型能够很好地预测TC4合金不同热暴露条件下拉伸性能的变化。(本文来源于《热加工工艺》期刊2019年14期）
刘学文,任兴贵,徐定杰[4]（2019）在《基于RBF神经网络单神经元PID控制在低压直流变换中的应用研究》一文中研究指出太阳能和风能发电系统的非线性特征非常明显,并且二次端直流负载的接入与断开的随机性也比较大,容易引起微型电网的波动。为了解决低压直流微型电网的波动特性,提出了基于RBF神经网络在线辨识的单神经元PID控制的直流变换方法,该方法结合了普通PID控制结构简单和神经网络非线性系统自适应性强的特性,解决了二次直流负载端稳定的直流电源供电问题。(本文来源于《电力与能源》期刊2019年03期）
郝敬帅,高媛,程橙,秦品乐,王丽芳[5]（2019）在《对脉冲耦合神经网络中被动神经元的脉冲周期分析》一文中研究指出研究了离散PCNN中被动神经元的被动脉冲周期,首先定义了动态比较比,而不是逻辑比较来描述神经内状态与动态阈值之间的线性差异;然后利用动态比较比的最大下限,给出了一个近似准确的被动脉冲周期公式,并通过对估计和实际被动脉冲周期的误差分析,证明了该公式的合理性;此外,我们从估计的脉冲周期中推导出一个稳定的脉冲周期,从而使神经元可以连续地在两个不同的时间阶段进行非周期性和周期性的脉冲;此外,还估算了被动神经元开始周期性脉冲的初始阶段,并举例说明,结果与理论分析一致。(本文来源于《计算机测量与控制》期刊2019年06期）
黄志精,李倩昀,白婧,唐国宁[6]（2019）在《在具有排斥耦合的神经元网络中有序斑图的熵测量》一文中研究指出脑神经网络在一定条件下可以自发出现行波、驻波、螺旋波,这些有序时空斑图的出现往往与某种神经疾病有关,但是其产生的机制尚未完全清楚,如何定量描述这些时空斑图的性质仍需要探索,为了解决这些问题,本文采用Hindmarsh-Rose神经元模型研究了具有排斥耦合的二维双耦合层神经元网络从混沌初相位开始演化的动力学行为,并用改进的集团熵来描述神经元网络的时空斑图.数值模拟结果表明:排斥耦合既可以促进有序斑图的形成,也可以抑制有序斑图的形成.适当选择排斥和兴奋性耦合强度,排斥耦合可导致单螺旋波、多螺旋波、行波、螺旋波和靶波与其他态共存、行波与驻波共存等有序斑图出现,螺旋波、行波出现概率分别达到0.4555和0.1667.靶波与其他态共存和行波与驻波共存出现概率分别达到0.0389和0.1056,我们提出的集团熵可以较好区分这些有序斑图和混沌态.当排斥耦合强度足够大时,网络一般处于混沌态.当网络处于弱耦合状态时,通过计算集团熵发现网络可以出现很大集团,这些结果有助于理解在实验中观察到的现象,从而能为神经疾病治疗提供帮助.(本文来源于《物理学报》期刊2019年11期）
杜俊杰,梁俊伟,和立辉,杜洋[7]（2019）在《基于神经元网络的电网谐波联动预警系统设计》一文中研究指出由于传统系统无法对多种谐波进行预警处理,导致预警误差较大,为了解决该问题,提出了基于神经元网络的电网谐波联动预警系统设计。根据神经元网络工作原理设计系统总体结构,采用2205型号采集卡对数据进行采集,使用4046型号单片集成锁相环,在一定范围内跟踪电压信号变化,保证输入与输出信号频率一致,设计数字处理器与总线连接电路,使不同神经元网络节点都能接收到相同数据。在软件功能内设置电网参数,实时检测电流变化,结合神经元模型设置输入矢量,获取神经元输出值,采用最小学习算法,调节连接权值,通过分析超过额定值电流和时间关系,实现联动预警系统设计。由实验结果可知,该系统最大预警误差为0.006 3,不会对系统预警造成任何影响。(本文来源于《电子设计工程》期刊2019年11期）
赵欣桐[8]（2019）在《时滞对前馈神经元网络信息传递的影响》一文中研究指出神经信息在神经系统中的加工和传输是需要特定功能的神经元群体来完成的。人工神经网络就是通过构建网络模型和计算机仿真的方法,来研究神经系统中信息传输和处理的相关问题。前馈神经元网络是人工神经网络中最简单、常见的模型之一,也是用于研究大脑不同区域间信号传递的有效模型。本论文以10层的前馈神经元网络为研究对象,着重研究了网络拓扑结构、突触时滞以及神经元模型参数对系统信息传输能力和处理机制的作用。主要的工作和所得结论概括如下:1.研究了常用神经元模型的放电特性及动力学行为,模拟了神经元模型对不同输入的响应特性,并分析各种神经元模型的优缺点。另外,作为预备工作,研究了突触连接概率对一类由兴奋性和抑制性神经元以4:1比例构成的单层神经元网络同步水平的影响,结果表明大的连接概率会促进神经元网络的同步。2.系统地研究了由Hodgkin Huxley神经元构成、以一定概率连接的前馈神经元网络中放电率传输的问题,其中着重考察突触时滞在此传输模式中所起的作用。研究结果表明,输入噪声强度、层间连接概率、突触时间常数和背景噪声强度都会对放电率传输产生影响,恰当的调整这些参数能够使网络具有稳定编码和传输信号的能力。突触时滞既可以对正常传输的网络产生破坏作用,也可以使无法成功传输的网络恢复正常传输,这与时滞的强度和网络的拓扑结构有关。3.研究了由Leaky Integrate and Fire神经元构成、以全局耦合方式连接的前馈神经元网络中同步放电传输的问题,主要考察了突触连接强度和时滞对传输模式的作用。在一定条件下,时滞可以帮助改善网络传输能力。(本文来源于《北京邮电大学》期刊2019-06-05）
朱美佳[9]（2019）在《基于非线性格兰特因果性的生物神经元网络结构辨识方法研究》一文中研究指出生物神经元网络(Biological Neural Network,BNN)是一个异常复杂的动力学非线性网络系统。探明生物神经元网络的功能性连接图谱、深入研究生物神经元网络结构对其网络功能的支配关系,是脑科学研究的一个重要领域。将针对神经元脉冲点火的本质非线性动态特性,将线性格兰特因果性建模与因果性辨识的思想推广至非线性空间中,采用径向基函数(Radial Basis Function,RBF)拟合生物神经元网络非线性多变量动态响应特性,通过检测对后突触神经元脉冲点火信号的预测精度是否改善,揭示来自前突触神经元的功能性连接作用,从而探明所研究的生物神经元网络的有向信息流分布。为验证所提出方法的有效性,将非线性格兰特因果性网络结构辨识法应用在基于积分点火(Integrate-and-Fire,IF)机制的脉冲神经元网络(Spiking Neural Network,SNN)仿真模型的网络结构发现过程。主要工作内容如下:(1)对生物神经网络进行建模和仿真。主要通过人工构造生物真实性的SNN模型来模拟真实的神经元放电行为。首先,建立基于IF机制的SNN模型;然后,确定模型中的参数,并对一个神经元和多个神经元网络进行仿真。SNN模型来模拟真实生物神经元在接受刺激时的放电行为,并通过网络仿真产生多通道脉冲神经元序列数据。(2)用非线性格兰特因果性的方法辨识网络结构。利用脉冲神经元网络仿真所产生的多通道脉冲神经元序列数据,反向辨识出网络中存在的因果性突触连接和强度。利用RBF拟合非线性模型,将经典格兰特因果思想扩展到非线性空间,通过比较神经元之间相互作用的因果关系,判断它们之间的因果影响,从而对生物神经元网络进行结构辨识。(3)通过MATLAB仿真得到辨识结果。采用线性格兰特因果方法和基于RBF的非线性格兰特因果方法分别来辨识相同的生物神经网络结构,辨识结果表明:对于2个节点、3个节点、4个节点、5个节点、6个节点个节点的小规模网络,10个节点、15个节点、20个节点、25个节点、30个节点个节点的中规模网络,50个节点、60个节点、80个节点、100个节点的大规模网络,非线性格兰特因果性方法10轮的平均辨识正确率显着高于同规模网络的线性格兰特因果性辨识方法的辨识正确率。(本文来源于《内蒙古工业大学》期刊2019-06-01）
戈鹏鹤[10]（2019）在《神经元网络完全同步和高铁轮对蛇行运动临界分岔机制研究》一文中研究指出本文考虑带有兴奋型和抑制型化学耦合的混沌Rulkov神经元网络模型,研究相同和不同节点耦合的网络完全同步问题;以高铁轮对模型为基础,研究蛇行运动中轮对临界失稳状态下的分岔机制.主要包括以下叁个方面的内容:首先,对于任意两个或多个兴奋型和抑制型Rulkov神经元组成的网络,探讨其不动点的同步流形存在条件;其次,在多个相同的Rulkov神经元通过两种化学耦合组成网络的情况下,利用主稳定函数方法探讨网络的完全同步;在多个不同的Rulkov神经元通过化学耦合组成复杂网络或网络外耦合矩阵不是耗散矩阵的情况下,计算得到原系统对应的横截系统,通过横截系统的稳定性揭示原系统的同步性;最后,分别讨论线性列车轮对模型和带有非线性等效锥度函数和非线性轮轨接触力轮对模型的蛇行运动临界分岔机制.具体内容如下:第一章主要介绍了本文的研究背景和意义,神经元网络完全同步问题和列车蛇行运动问题的国内外研究进展.第二章介绍神经元与神经元网络的特征和数学模型,轮轨系统中列车轮对的结构,基本运动和力学模型的构建,以及本文用到的动力系统中的概念,定理和它们之间的关系.第叁章首先简要总结了单个混沌Rulkov神经元模型的动力学行为,然后引入本文所讨论的具有兴奋型和抑制型化学耦合的Rulkov神经元网络数学模型.该网络中节点的异质性和耦合方式的多样性决定了讨论其同步问题的复杂性.最后给出了网络不动点的同步流形存在条件及其证明:对于多个相同或不同的Rulkov神经元构成的网络,不动点的同步流形不是默认存在的,它的存在条件与模型中控制参数,拓扑结构和耦合强度等相关.第四章应用主稳定函数方法,研究NN ≥ 2)个相同Rulkov神经元组成网络的完全同步条件.将Rulkov神经元网络数学模型用矩阵表示,对矩阵和线性化系统中每一部分的实际含义进行解释,再给出主稳定方程.最后通过数值模拟,在3个Rulkov神经元完全相同的情况下,给出满足不动点同步流形存在条件的几种网络拓扑结构,得到与控制参数,耦合强度和突触阈值等有关的同步区域.第五章在N(N ≥ 2)个Rulkov神经元不完全相同或网络外耦合矩阵不是耗散矩阵的条件下,定义横截变量并得到横截系统.两个不同Rulkov神经元的完全同步区域由数值模拟得到,由此给出了兴奋型和抑制型耦合强度对网络同步的作用,波形图用于验证结果的正确性.在第六章中,首先基于线性列车轮对模型,研究了横向刚度,纵向刚度和车轮踏面等效锥度对轮对临界速度的影响.其次,根据高铁的实测等效锥度数据,引入与横向位移有关的非线性等效锥度函数和轮轨接触力函数,在纵向/横向刚度和速度等双参数平面上,通过超临界和次临界Hopf分岔,退化的Hopf分岔,环的fold分岔和环的Cusp分岔等讨论了轮对的临界失稳机制.第七章对本文的方法和结论进行了总结.(本文来源于《北京交通大学》期刊2019-06-01）
神经元网络论文开题报告
（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：
随着可再生清洁能源太阳能和风能的广泛应用,孤岛式微型直流电网被用于偏僻的地区和一些孤立的海岛。这些地方的特征往往是随着大气的不规律特性,造成太阳能和风能发电系统的非线性特征非常明显,并且二次端直流负载的接入与断开的随机性也比较大,容易引起微型电网的波动。为不影响其他用电设备的正常工作,恒功率直流变换是一种合适的解决方案。本论文提出的基于RBF神经网络在线辨识的单神经元PID控制的直流变换,结合了普通PID控制结构简单和神经网络非线性系统自适应性强的双重优点,解决了二次直流负载端稳定的直流电源供电问题。
（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。
神经元网络论文参考文献
[1].王旭,王晶,张伟功.基于神经元容错度分析的神经网络裁剪与近似计算技术研究[J].微电子学与计算机.2019
[2].刘学文,任兴贵,徐定杰.基于RBF神经网络单神经元PID控制的恒功率直流变换研究[J].自动化与仪器仪表.2019
[3].周晓虎,楼美琪,张学敏,孙宇,张小航.基于神经元网络的热暴露对TC4钛合金拉伸性能影响预测[J].热加工工艺.2019
[4].刘学文,任兴贵,徐定杰.基于RBF神经网络单神经元PID控制在低压直流变换中的应用研究[J].电力与能源.2019
[5].郝敬帅,高媛,程橙,秦品乐,王丽芳.对脉冲耦合神经网络中被动神经元的脉冲周期分析[J].计算机测量与控制.2019
[6].黄志精,李倩昀,白婧,唐国宁.在具有排斥耦合的神经元网络中有序斑图的熵测量[J].物理学报.2019
[7].杜俊杰,梁俊伟,和立辉,杜洋.基于神经元网络的电网谐波联动预警系统设计[J].电子设计工程.2019
[8].赵欣桐.时滞对前馈神经元网络信息传递的影响[D].北京邮电大学.2019
[9].朱美佳.基于非线性格兰特因果性的生物神经元网络结构辨识方法研究[D].内蒙古工业大学.2019
[10].戈鹏鹤.神经元网络完全同步和高铁轮对蛇行运动临界分岔机制研究[D].北京交通大学.2019
论文知识图
