检索结果-内蒙古大学图书馆

第十一届全国软物质与生命物质物理学术会议

作者：李松挺上海交通大学数学科学学院与自然科学研究院

神经元通常被认为是大脑计算的基本单元。为理解大脑的信息处理机制，对神经元动力学的数学建模与分析已成为一种非常有效的研究手段。目前人们已经发展出多种神经元模型分别从不同的角度去描述神经元。值得一提的是，在这些模型中，有... 详细信息

神经元通常被认为是大脑计算的基本单元。为理解大脑的信息处理机制，对神经元动力学的数学建模与分析已成为一种非常有效的研究手段。目前人们已经发展出多种神经元模型分别从不同的角度去描述神经元。值得一提的是，在这些模型中，有两类较为流行的模型——多节段神经元模型(multi-compartment models)与点神经元模型(single-compartmentmodels)。一般来说，多节段神经元模型中包含了神经元的树突空间结构与动力学，更具生物学的真实性。然而该模型的数学形式通常为高维耦合偏微分方程组，故使得我们对模型的理论分析与数值模拟都面临较大挑战。比较而言，点神经元模型只刻画神经元细胞体一点处的结构与动力学，数学形式通常为低维常微分方程，故有利于我们开展对模型的理论分析与数值模拟。然而点神经元模型舍弃了神经元的空间结构，被认为是对真实神经元的过度简化。综上所述，我们亟需发展一类神经元模型，它既具有较为真实的生物学细节，同时具有简单的数学结构。在此次报告中，我将利用渐近分析的方法，推导一类可描述树突空间结构的点神经元模型，并通过仿真神经元模拟与生物学实验两个角度验证模型的正确性。一方面，与现有的点神经元模型相比，我们所推导的模型可以刻画多种树突计算的功能，如神经元的朝向选择功能与同时探测功能。另一方面，与现有的多节段神经元模型相比，我们的模型具有更低的计算复杂度，可有望被用于大尺度的仿真神经元网络模拟，有助于研究与树突计算相关的大脑信息处理机制。

关键词：神经元多节段模型单节段模型动力学树突计算

来源：评论

学校读者我要写书评

暂无评论

精细神经网络仿真方法研究进展

引用

中国图象图形学报 2023年第2期28卷 358-371页

作者：张祎晨黄铁军北京大学计算机学院北京100871 北京大学人工智能研究院北京100871

树突对大脑神经元实现不同的信息处理功能有着重要作用。精细神经元模型是一种对神经元树突以及离子通道的信息处理过程进行精细建模的模型,可以帮助科学家在实验条件的限制之外探索树突信息处理的特性。由精细神经元组成的精细神经网... 详细信息

树突对大脑神经元实现不同的信息处理功能有着重要作用。精细神经元模型是一种对神经元树突以及离子通道的信息处理过程进行精细建模的模型,可以帮助科学家在实验条件的限制之外探索树突信息处理的特性。由精细神经元组成的精细神经网络模型可通过仿真对大脑的信息处理过程进行模拟,对于理解树突的信息处理机制、大脑神经网络功能背后的计算机理具有重要作用。然而,精细神经网络仿真需要进行大量计算,如何对精细神经网络进行高效仿真是一个具有挑战的研究问题。本文对精细神经网络仿真方法进行梳理,介绍了现有主流仿真平台与核心仿真算法,以及可进一步提升仿真效率的高效仿真方法。将具有代表性的高效仿真方法按照发展历程以及核心思路分为网络尺度并行方法、神经元尺度并行方法以及基于GPU(graphics processing unit)的并行仿真方法3类。对各类方法的核心思路进行总结,并对各类方法中代表性工作的细节进行分析介绍。随后对各类方法所具有的优劣势进行分析对比,对一些经典方法进行总结。最后根据高效仿真方法的发展趋势,对未来研究工作进行展望。

关键词：神经形态计算大脑仿真树突计算精细神经元模型精细神经网络仿真

来源：评论

学校读者我要写书评

暂无评论

树突神经回归的建模与应用

树突神经回归的建模与应用

引用

作者：董敏辉深圳大学

学位级别：硕士

现实中许多具有重大应用意义的问题属于回归问题。解决回归问题的关键在于能否拟合出输入变量(自变量)和输出变量(因变量)之间的相互映射关系。而现实中的回归问题大多具有非线性的特点,很难通过数学公式进行准确地描述。人工神经网络... 详细信息

现实中许多具有重大应用意义的问题属于回归问题。解决回归问题的关键在于能否拟合出输入变量(自变量)和输出变量(因变量)之间的相互映射关系。而现实中的回归问题大多具有非线性的特点,很难通过数学公式进行准确地描述。人工神经网络是当前解决回归问题最常见的方法之一。经过对训练样本的学习,人工神经网络可以自适应地拟合任意复杂的函数。为了更好解决回归问题,本文从模型结构与训练算法上改进了树突神经模型(Dendrite Neural Model,DNM),并将其用于解决现实回归问题。具体的,本文开展了以下研究: 1、本文基于DNM提出了全新的树突神经回归(Dendrite Neural Regression,DNR)模型,并以DNR为核心构建了新的新冠肺炎传播趋势预测模型。考虑到新冠肺炎传播趋势具有间歇性,随机性和混沌性的特点,本文首先对数据集进行相空间重构,挖掘出其隐藏的时间信息。接着,本文利用最大李雅普诺夫指数(Maximum Lyapunov Exponent)来确定重构后的数据集是否具有混沌特性。然后,本文提出了一种全新的基于无标度网络搜索的物质状态算法(Scale-free State Of Matter Algorithm,SFSMS)来训练DNR的权重。为了综合性的评估DNR-SFSMS算法的性能,本文采用了均方误差(Mean Square Error,MSE)、均方根误差(Root Mean Square Error,RMSE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)和平均绝对误差(Mean Absolute Error,MAE)等性能评估指标来评价模型的预测结果。最后,实验结果表明,所提出的模型可以在新冠肺炎传播趋势预测上取得显著的性能。 2、承接上述工作,本文提出了全新的树突神经回归网络(Dendrite Neural Regression Network,DNRN)模型。该模型汇集了若干不同DNR的模型架构,并通过加权求和和非线性输出的方式对其进行信息处理。本文围绕DNRN提出了一种新的无创无袖持续性血压预测方法。具体来说,该方法首先利用心电信号(Electrocardiogram,ECG)和光电容积信号(Electrocardiogram,PPG)提取多种具有代表性的生理特征信息,并将生理特征与数学特征相结合作为DNRN的模型输入。然后,利用最近流行的AMSGrad算法用于训练DNRN的模型权重。为了验证模型在不同个体上与长期预测时能否保持稳定的性能,本文分别进行了静态血压预测与长期血压预测两组实验,并采用了MSE、RMSE、MAPE,MAE和相关系数(Correlation Coefficient,CE)作为性能评估指标。实验结果表明,本文所提出的方法可以显著地提高血压预测的精度,具有较强的实用性和可靠性。

关键词：回归树突计算血压预测新冠肺炎物质状态算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：