导读:本文包含了小脑模型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:小脑,神经网络,模型,递归,永磁,控制器,轨迹。
小脑模型论文文献综述
[1]（2019）在《小鼠小脑非人类小脑研究的最佳模型》一文中研究指出因其小脑与人类相似,小鼠模型常应用于人类脑科学研究。此前科学家也曾对小鼠模型提出质疑,主要是认为小鼠并没有与人类相似的意识和思维。近期,美国西雅图儿童研究所的神经科学家HALDIPUR等从小脑发育模式的角度研究了小鼠和人类小脑之间的差距,并表明小鼠的小脑可能不是人类小脑研究的最佳模型,因为小鼠的小脑发育中缺少独特的祖细胞,该研究发表在国际顶级期刊《Science》杂志上。(本文来源于《海南医学》期刊2019年20期）
谢明仁,俞发荣[2]（2019）在《精神依赖药物成瘾模型建立及小脑Bax基因的表达》一文中研究指出目的研究精神依赖药物(海洛因)对成瘾大鼠小脑Bax基因表达的影响。方法采用剂量递增法建立成瘾大鼠模型,用酶联免疫吸附法(ELISA)检测小脑细胞Bax的基因的表达。结果连续给大鼠注射海洛因7 d后,大鼠出现明显的戒断症状;小脑细胞Bax、Caspase-3、Caspase-9水平比对照组分别升高了88. 21%、94. 21%、87. 24%,与对照组比有显着性差异(P<0. 01)。结论精神依赖药物(海洛因)对脑组织细胞的损伤作用可能通过诱导小脑Bax基因表达,激活caspase实现。(本文来源于《实验动物科学》期刊2019年04期）
李祥,乐凯军,李鑫卓[3]（2019）在《基于小脑模型的机器臂自适应神经网络控制》一文中研究指出研究了在不可测干扰下的机器手臂的自适应神经网络控制。利用反推的方式提出了一种基于小脑模型的神经网络控制策略。利用小脑模型轻便、拟合迅速的性能,达到了时间快速响应、轨迹精确追踪且能量极小消耗的在线控制效果。最终利用李雅普诺夫稳定定律证明了控制策略的稳定性,其有效性也通过仿真进行了验证。(本文来源于《机械制造与自动化》期刊2019年03期）
王文,SUN,Fang-ling,LIU,Ting-ting,LIU,Min,TIAN,Xin[4]（2019）在《电刺激小脑外侧核对大鼠运动皮层缺血模型治疗作用研究》一文中研究指出缺血性脑卒中具有高发病率、高死亡率、高致残率的特点,其中高致残率大大降低了人们的生活质量。目前脑卒中康复治疗时间较长,现有康复手段对神经功能恢复效果不佳,因此卒中后康复治疗方法亟需突破瓶颈。脑深部电刺激治疗是一种新型的治疗方法,具有选择性好、靶点明确、安全、可调等优点,具有广阔的应用前景,目前临床已用于帕金森病、癫痫、肌张力障碍等神经系统疾病的治疗上。一些初步研究表明,电刺激小脑顶核等部位可能对卒中后动物的神经功能改善有一定的作用,但具体作用机制仍不清楚。本研究通过电刺激小脑外侧核,激活小脑-丘脑-皮层通路,观察电刺激方法对局灶性脑缺血大鼠的运动功能改善的作用和机制,以期为临床治疗脑卒中后的神经康复治疗提供新的思路。研究采用内皮素-1定点注射诱导大鼠运动皮层缺血,术后7天开始电刺激小脑外侧核治疗,并于每天对大鼠前肢进行面条矩阵抓取训练。术后14天和21天进行神经功能评价,免疫组织化学检测脑梗死体积以及内源性神经再生情况。结果表明,电刺激小脑外侧核能有效改善缺血大鼠的神经功能损伤,缩小皮层梗死体积,促进运动功能的恢复。本研究还发现电刺激小脑外侧核能够增加缺血侧室管膜下层Nestin阳性神经干细胞和DCX阳性成神经细胞数量,表明电刺激促进神经功能恢复的机制可能与内源性神经干细胞增殖,分化,迁移,替代损伤神经细胞相关。另外值得注意的是,研究中采用的面条矩阵抓取任务行为学评价,国内尚无相关实验方法报道,使用的动物实验装置为我们自行制备,已获批实用新型专利。实验2中训练大鼠完成对食物-干面条的抓取任务,通过矩阵对其前肢运动的距离和和方向进行测量,定量和定性评估后前肢运动能力,为脑卒中后感觉-运动神经功能评估提供可靠的新方法。(本文来源于《神经药理学报》期刊2019年Z1期）
邱亚,李鑫,陈薇,段泽民[5]（2019）在《非线性量化小脑模型关节控制器神经网络控制器》一文中研究指出常规小脑模型关节控制器(CMAC)神经网络采用线性均匀量化,稳态控制精度与量化级数相关,增加量化级数可提高稳态精度但会导致内存空间和计算量的增加.本文提出一种可采用幂函数、高斯、分段3种非线性量化方法的非线性量CMAC神经网络,并分析了非线性量化CMAC的收敛性,解释了非线性量化提高稳态精度的本质.面向一阶惯性环节、二阶系统、一阶时变系统及二阶时变系统,分别跟踪方波、斜坡、正弦波、叁角波和加速度等输入信号,仿真验证了非线性量化CMAC神经网络控制器的有效性,给出了不同非线性量化方法的适用性.结果表明,非线性量化CMAC参数容易设定,物理意义清晰,与常规CMAC对比,其快速性和控制精度显着提高,可以有效解决实际复杂非线性时变系统的控制.(本文来源于《控制理论与应用》期刊2019年10期）
王辉,刘红霞,费致根,王建辉,张九江[6]（2019）在《基于小脑模型四旋翼无人机高度跟踪控制研究》一文中研究指出针对四旋翼无人飞行器的强耦合、欠驱动、非线性强以及参数不确定等因素,将小脑模型(CMAC)神经网络算法引入系统,并与传统PD控制算法结合,以改善系统的动静态性能。以传统PD控制实现对高度的反馈控制,以CMAC神经网络进行前馈控制,实现对高度模型的逆模型控制。仿真结果表明,该方法较传统PID控制的动态过程超调量小、响应快速,且稳定性好,系统抗干扰能力强。(本文来源于《电光与控制》期刊2019年09期）
徐轶,李向阳,单琳[7]（2018）在《阻塞性睡眠呼吸暂停低通气综合征动物模型大鼠小脑和海马组织中谷氨酸水平的变化》一文中研究指出目的建立与阻塞性睡眠呼吸暂停低通气综合征(obstructive sleep apnea-hypopnea syndrome,OSAHS)的病理生理特征相似的慢性间歇低氧(chronic intermittent hypoxia,CIH)动物模型,探究动物模型小脑和海马组织中谷氨酸水平的变化情况。方法将24只雄性SD大鼠称重后随机分为观察组和对照组,每组各12只,每日白天将观察组大鼠放入低氧仓内,并向内循环输入压缩空气和氮气。记录并比较两组大鼠的体重、小脑和海马重量及其组织中谷氨酸水平。结果第7、14、21、28、35天,观察组大鼠体重均显着低于对照组(P_均<0.05);观察组大鼠小脑和海马重量均显着低于对照组(P_均<0.05),大鼠小脑重量/大鼠体重、海马重量/大鼠体重均显着高于对照组(P_均<0.05),大鼠小脑和海马组织中谷氨酸水平均显着低于对照组(P_均<0.05)。结论 OSAHS与机体代谢功能紊乱密切相关,CIH动物模型大鼠体重、小脑和海马重量及小脑和海马组织中谷氨酸水平均下降。(本文来源于《中国医学前沿杂志(电子版)》期刊2018年12期）
周大军[8]（2018）在《模糊小脑模型神经网络改进、优化以及在机器人控制器中的研究》一文中研究指出包括机器人动态控制在内的动态控制既面临着获取精确系统模型的理论挑战,也面临着界定不确定系统界限的实际困难。常规的方法要么依赖于建立精确的模型,要么采用自适应的方法来进行在线整定;但是这些方法的控制效果还有待提高。为了解决这些难题,本论文首先建立一种新型的模糊神经网络来获得更好非线性特性,并且还提出了一种新型的模糊神经网络和鲁棒补偿控制器组成的控制系统。该控制系统可以将建立的神经网络模型的特性充分利用起来。之后,针对神经网络的优化方法,本论文还采用了新型的和声搜索算法来进行权值优化。最后,在机器人实际系统上,论文采用了双神经网络的方法实现了机器人手眼协调的控制。在神经网络方面,论文将模糊小脑模型神经网络控制器(CMAC)和脑情感学习控制器网络(BELC)中嵌入的多个关键组件集成到一个模糊神经网络中,实现了理想的滑模控制器。并且论文尝试了将系统输入通过2型模糊推理系统之后,再输入到神经网络中。随后将结果输送到感知和情感通道中,这些通道共同产生网络的最终输出。也就是说,所提出的网络在CMAC与BELC两种网络的支持下使用鲁棒补偿器控制器来估计表示理想滑动模型控制器的非线性方程,从而保证受控系统动态的鲁棒跟踪。网络的自适应动态调整规律是基于流行的大脑情感学习规则和李雅普诺夫函数的开发。在优化方面,针对CMAC中权值较难确定的问题展开研究,论文发现和声搜索算法具有结构简单的特点,且在处理优化问题时表现出较好的搜索速度与性能,很适合实现CMAC的网络参数与权值的优化。所提出的系统适用于机器人手臂,通过模拟人类抓取的特征建立了双神经网络的控制系统。与传统的神经网络的实验比较表明,论文所提出的系统在执行智能动态控制方面有显着的改进。(本文来源于《厦门大学》期刊2018-06-30）
刘祥盛[9]（2018）在《基于小脑模型控制器的永磁同步电机无位置传感器矢量控制系统的研究》一文中研究指出永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)依靠其体积小、功率密度大等优点被广泛应用于各个领域。近年来,由于资源紧缺以及环境问题,使得永磁同步电机逐渐成为广受关注的电动车驱动设备。这些也导致了永磁同步电机的设计与控制成为了一个重要的研究内容与研究热点。矢量控制是一种常用的电机控制策略,矢量控制实现的基本原理是通过测量和控制同步电动机定子电流矢量,根据磁场定向原理分别对同步电动机的励磁电流和转矩电流进行控制,从而达到控制同步电动机转矩的目的。为了更好地发挥永磁同步电机的性能,本文对矢量控制进行了深入的研究。通过分析传统PI控制的缺陷,本文采用了智能PI控制取代了传统的PI控制。智能控制中比较常用的有专家控制、模糊控制以及神经网络控制。各种智能控制都有其优点与缺点,在对上述叁种智能控制进行分析后,本文设计了基于小脑模型与PID复合控制的永磁同步电机的控制器。通过在MATLAB Simulink仿真平台下进行实验,验证了本文提出的控制器的优越性。矢量控制中使用速度传感器来获取相应的参数。使用速度传感器不利于电机的维护,并且电机的寿命也会受到限制。因此本文针对矢量控制存在的不足之处,研究了电机的无速度传感器控制。通过分析,本文最终选择了模型参考自适应(MRAS)方法来对电机的转子位置和速度信号进行辨识,从而实现系统的闭环控制。如果只使用MRAS方法,电机控制中的转速环依旧使用的是PI控制,因此本文将传统PI控制变成了基于小脑模型与PID复合控制,设计基于小脑模型控制器的永磁同步电机无位置传感器矢量控制系统,通过仿真验证了控制系统的优越性。最后本文基于TMS320F28335控制器搭建了硬件平台,对矢量控制算法进行了验证。实验结果验证了矢量控制算法的正确性与可行性。(本文来源于《上海应用技术大学》期刊2018-05-24）
赵甘霖[10]（2018）在《基于小脑模型神经网络的目标轨迹预测》一文中研究指出利用目标的历史位置信息,对目标的轨迹进行预测有着广泛的应用,例如数字化战场、智能交通、物流监测、电子商务等等。在很多应用场景中预测目标轨迹对进一步决策可以起到关键作用。本文对快速移动目标的轨迹预测问题进行研究,使用改进的小脑模型神经网络提高了预测系统的速度和精度,解决了现有预测系统在获取的数据时间间隔不统一时预测精度低,接收数据有限时难以快速给出准确预测结果的问题。本文在充分研究了现有的线性目标轨迹预测方法和非线性目标轨迹预测方法的基础上,利用小脑模型神经网络的方法预测目标轨迹,主要研究内容如下:首先在总结各种非线性目标轨迹预测方法和线性目标轨迹预测方法的基础上,从网络的结构和原理两方面说明小脑模型神经网络在目标轨迹预测上的优势。其次结合实际应用场景,根据真实导弹飞行的情况,模拟导弹的运动轨迹。接着利用导弹的弹道模型提取小脑模型神经网络的训练数据与验证数据。结合应用实例分析小脑模型的缺陷:一方面局部收敛可能会降低网络的泛化能力,使网络的非线性逼近能力下降;另一方面,如果增加输入维度提高网络的精确度又可能使网络学习速度变慢;最后针对以上缺陷,在传统小脑模型神经网络网络结构上添加权值可变的递归单元,解决网络非线性逼近能力下降的问题;结合迁移学习思想,使用离线学习的方法训练网络,将离线训练的网络权值直接作为在线预测系统的初始权值,提高网络在预测不同目标时的收敛速度。网络利用模拟的目标轨迹进行训练,然后给出预测结果。在MATLAB平台仿真预测目标运动的轨迹,同时将预测结果通过各项数据指标与其他预测方法进行比较。实验结果表明改进的小脑模型神经网络结合迁移方法后在目标轨迹预测上有更好的性能。(本文来源于《哈尔滨工程大学》期刊2018-05-01）
小脑模型论文开题报告
（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：
目的研究精神依赖药物(海洛因)对成瘾大鼠小脑Bax基因表达的影响。方法采用剂量递增法建立成瘾大鼠模型,用酶联免疫吸附法(ELISA)检测小脑细胞Bax的基因的表达。结果连续给大鼠注射海洛因7 d后,大鼠出现明显的戒断症状;小脑细胞Bax、Caspase-3、Caspase-9水平比对照组分别升高了88. 21%、94. 21%、87. 24%,与对照组比有显着性差异(P<0. 01)。结论精神依赖药物(海洛因)对脑组织细胞的损伤作用可能通过诱导小脑Bax基因表达,激活caspase实现。
（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。
小脑模型论文参考文献
[1]..小鼠小脑非人类小脑研究的最佳模型[J].海南医学.2019
[2].谢明仁,俞发荣.精神依赖药物成瘾模型建立及小脑Bax基因的表达[J].实验动物科学.2019
[3].李祥,乐凯军,李鑫卓.基于小脑模型的机器臂自适应神经网络控制[J].机械制造与自动化.2019
[4].王文,SUN,Fang-ling,LIU,Ting-ting,LIU,Min,TIAN,Xin.电刺激小脑外侧核对大鼠运动皮层缺血模型治疗作用研究[J].神经药理学报.2019
[5].邱亚,李鑫,陈薇,段泽民.非线性量化小脑模型关节控制器神经网络控制器[J].控制理论与应用.2019
[6].王辉,刘红霞,费致根,王建辉,张九江.基于小脑模型四旋翼无人机高度跟踪控制研究[J].电光与控制.2019
[7].徐轶,李向阳,单琳.阻塞性睡眠呼吸暂停低通气综合征动物模型大鼠小脑和海马组织中谷氨酸水平的变化[J].中国医学前沿杂志(电子版).2018
[8].周大军.模糊小脑模型神经网络改进、优化以及在机器人控制器中的研究[D].厦门大学.2018
[9].刘祥盛.基于小脑模型控制器的永磁同步电机无位置传感器矢量控制系统的研究[D].上海应用技术大学.2018
[10].赵甘霖.基于小脑模型神经网络的目标轨迹预测[D].哈尔滨工程大学.2018
论文知识图
