论文摘要
噪声在在非线性系统中是不可避免的。研究表明,大多数生物系统是随机的,而不是确定性的。并且在神经系统中,阈下信号只有在噪声的协助下才能诱发神经元产生动作电位,我们称这种现象为随机共振现象,因此随机共振可能成为大脑能够高效地检测到信息的一种机制。此外,在信号检测的过程中,存在一个或者多个使得系统响应达到最优的噪声强度,这种现象被称为随机多共振现象。李慧妍等人发现在由FHN神经元构成的小世界网络中存在着随机多共振现象。基于上述研究结果,本文研究了耦合强度引起的多重随机共振现象。通过数值计算结果,我们发现当噪声强度固定在中等强度时,系统响应会随着耦合强度的增强产生多次共振行为。我们通过神经元网络的放电模态及其统计特性来研究神经元网络产生多次共振的原因。数值结果表明:随着网络内部耦合强度的增加,放电模态会有一个转迁过程。此外,本文研究了在不同的耦合强度下网络拓扑对信号检测能力的影响。结果表明:当系统是弱耦合的情况下,网络的拓扑对信号检测能力的影响微乎其微;当系统处于中等水平的耦合强度下,信号检测的能力会随着网络的重连概率和网络间的连边个数的增加而增强,通过计算神经元网络的特征路径长度,我们发现信号的检测的能力很大程度上依赖于神经元网络的特征路径长度;最后,当神经元网络处于强耦合状态时,神经元网络中存在最优的特征路径长度,即神经网络的信号检测能力会在最优的特征路径长度时得以提高。此外,本文研究了时延和噪声对小世界神经元网络检测阈下信号能力的共同作用。通过数值模拟我们得到三个重要信息。首先,当噪声强度取最优值时,时滞可以使得神经元网络对于阈下信号的检测能力维持在较高水平也可以破坏神经元网络对阈下信号的检测能力;其次当噪声强度不是最优的情况下,适当的时滞可以增强神经元网络对阈下信号的检测能力;最后,当噪声达到一定强度时,神经元网络对阈下信号的检测能力可以在时滞很小的情况下得到提高。随机共振广泛地存在于神经系统中。例如,在鲨鱼的多感神经元细胞中,噪声可以诱导多感神经元在阈下振荡的作用下产生动作电位,进而传输信息。众所周知,脑电图是记录神经元活动的常用技术。脑电信号的机制是:在一定的噪声的情况下,神经系统的同步性可以得到提高,进而检测仪器更容易地检测到神经元网络中的振荡行为。因此噪声的存在对神经元系统是十分必要的。此外,时延、耦合强度和网络拓扑在神经系统信号处理中也起着非常重要的作用。因此,我们希望通过数值计算结果可以对神经元网络高效传输信息提供一些内在机制的解释。
论文目录
文章来源
类型: 硕士论文
作者: 刘赵凡
导师: 孙晓娟
关键词: 随机多共振,噪声,时滞,信号检测
来源: 北京邮电大学
年度: 2019
分类: 基础科学,医药卫生科技
专业: 数学,生物学,基础医学
单位: 北京邮电大学
分类号: R338;O157.5
总页数: 55
文件大小: 4142K
下载量: 79
相关论文文献
- [1].浅析神经元网络算法在中医药真实世界研究中应用可行性[J]. 天津中医药大学学报 2020(05)
- [2].模糊神经元网络评价体系实证研究[J]. 建筑与文化 2018(10)
- [3].模块神经元网络中耦合时滞诱导的簇同步转迁[J]. 动力学与控制学报 2016(06)
- [4].肚子里的“第二大脑”[J]. 大自然探索 2017(05)
- [5].混合突触作用下耦合时滞对模块神经元网络簇同步的影响[J]. 动力学与控制学报 2015(06)
- [6].对传过程神经元网络及其应用研究[J]. 微型机与应用 2012(17)
- [7].连续小波过程神经元网络在非线性函数逼近的应用[J]. 长春理工大学学报(自然科学版) 2010(03)
- [8].两种特征扩展过程神经元网络应用比较研究[J]. 控制工程 2009(S3)
- [9].一种过程神经元网络在管道土壤腐蚀速率预测中的应用[J]. 齐齐哈尔大学学报(自然科学版) 2008(04)
- [10].一种模糊计算过程神经元网络及其应用[J]. 东北林业大学学报 2008(08)
- [11].基于过程神经元网络的陶瓷窑炉智能控制机制[J]. 中国陶瓷 2008(10)
- [12].前馈型神经元网络中的放电频率传递分析[J]. 动力学与控制学报 2020(01)
- [13].神经元网络控制器在热网中的应用研究[J]. 自动化仪表 2014(12)
- [14].一种概率过程神经元网络模型及分类算法[J]. 智能系统学报 2009(04)
- [15].一种反馈过程神经元网络模型及在动态信号分类中的应用[J]. 计算机应用研究 2009(12)
- [16].模式神经元网络的聚类方法研究[J]. 北京石油化工学院学报 2009(04)
- [17].基于遗传算法和神经元网络的心电信号T波检测[J]. 中国生物医学工程学报 2008(04)
- [18].基于自适应线性神经元网络的谐波检测算法[J]. 电子技术应用 2017(06)
- [19].一种新型过程神经元网络安全模型[J]. 中国科技论文 2013(04)
- [20].基于离散过程神经元网络旋转机械轴承故障诊断模型[J]. 化学工程与装备 2013(09)
- [21].基于过程神经元网络的时间序列预测方法[J]. 计算机工程 2012(05)
- [22].基于新型动态神经元网络的逆系统方法[J]. 控制工程 2012(03)
- [23].灰色混沌神经元网络模型及其短期人口预测[J]. 系统工程 2012(10)
- [24].神经元网络模型的弱信号随机共振检测研究[J]. 计算机工程与应用 2011(02)
- [25].基于过程神经元网络与遗传算法的交通流预测[J]. 交通信息与安全 2010(05)
- [26].一种基于数值积分的过程神经元网络训练算法[J]. 计算机科学 2010(11)
- [27].基于自适应小波过程神经元网络的人口预测研究[J]. 长江大学学报(自然科学版)理工卷 2008(04)
- [28].基于模糊神经元网络的信息融合模型[J]. 河北理工大学学报(自然科学版) 2008(03)
- [29].基于概率神经元网络模型的高校政治教学系统构建[J]. 自动化技术与应用 2020(01)
- [30].一种改进的过程神经元网络模型方式预测城市用水量[J]. 科技与企业 2013(02)