检索结果-内蒙古大学图书馆

作者：路璐吕菲陈毅能田丰戴国忠王宏安中国科学院软件研究所人机交互北京市重点实验室北京 100190 中国科学院大学北京中国 100190 中国科学院软件研究所人机交互北京市重点实验室北京 100190

从人类认知的角度探索多通道反馈信号对人机交互行为和效果的影响，对最新的认知科学研究成果进行总结与分析，提出了一种跨领域的基于认知神经计算的多通道交互模型。建模过程分析并结合了两个不同描述层面的神经计算模型，把大脑神经... 详细信息

从人类认知的角度探索多通道反馈信号对人机交互行为和效果的影响，对最新的认知科学研究成果进行总结与分析，提出了一种跨领域的基于认知神经计算的多通道交互模型。建模过程分析并结合了两个不同描述层面的神经计算模型，把大脑神经响应映射到交互任务表现，对认知科学研究成果如何转化为人机交互实际应用进行了探索。基于该模型，从多感融合的认知科学规律预测出两个单一通道信息的整合效应对交互任务表现的增强或抑制影响规律，设计了一组实验对该规律进行验证，实验体现了触觉反馈信号在多通道交互效率方面的贡献，为包括触觉在内的多通道反馈信号设计提供了指导。

关键词：人机交互多通道整合交互模型触觉交互认知多感融合神经计算大脑编码

来源：评论

学校读者我要写书评

暂无评论

应用多层前馈网络的工程结构神经计算

应用多层前馈网络的工程结构神经计算

引用

第四届全国计算力学会议

作者：俞铭华徐昌文船舶工业学院(镇江)

该文建立应用反向传播学习算法的多层前馈神经网络模型，对油船金属船体重量和散货船中剖面结构评估进行神经计算研究。结果表明，由非线性模拟神经元组成的神经网络在工程结构非分析计算中是非常有效的。

关键词：工程结构前馈网络神经计算

来源：评论

学校读者我要写书评

暂无评论

基于海马三突触神经回路的LTP神经计算模型

基于海马三突触神经回路的LTP神经计算模型

引用

第一届全国脑与认知科学学术研讨会

作者：田心天津医科大学生物医学工程系

陈述性记忆是脑的高级认知功能之一,突触可塑性是学习和记忆的基础。突触传递的长时程增强(long-term potentiation,LTP),由于具有记忆过程的特点,可以在适当的突触上快速形成和长时间维持,因此LTP作为研究陈述性记忆的重要手段和客观... 详细信息

陈述性记忆是脑的高级认知功能之一,突触可塑性是学习和记忆的基础。突触传递的长时程增强(long-term potentiation,LTP),由于具有记忆过程的特点,可以在适当的突触上快速形成和长时间维持,因此LTP作为研究陈述性记忆的重要手段和客观指标之一,引起了神经生物学家的广泛兴趣,在LTP诱导和维持机制的神经生物学研究, 近年来已有了很大的进展。

关键词：神经计算神经回路 LTP

来源：评论

学校读者我要写书评

暂无评论

二进制数到BCD码转换的神经计算方法

引用

甘肃工业大学学报 1996年第2期22卷 67-71页

作者：王林泽兰州铁道学院

提出用神经计算方法解决码制转换问题．设计和训练了一个可完成８输入、８输出的二进制数到ＢＣＤ码转换的ＢＰ网络．结果表明：人工种经网络可用于求解这类码制的转换问题．

关键词：信息处理码制转换神经计算二进制数 BCD码

来源：评论

学校读者我要写书评

暂无评论

地球物理学中的神经计算

引用

国外地质勘探技术 1992年第5期 27-31页

作者： M.D.MCORMACK 彭先定

神经计算是人工智能的一个方面。最近进入了实验室并用于解决地球物理和地质学中一些现实的实际问题,在本文中,我们探索神经计算的历史、运算和现状,并讨论这种新技术的某些应用。历史.尽管神经网络对石油工作来说还比较新,但其起因可... 详细信息

神经计算是人工智能的一个方面。最近进入了实验室并用于解决地球物理和地质学中一些现实的实际问题,在本文中,我们探索神经计算的历史、运算和现状,并讨论这种新技术的某些应用。历史.尽管神经网络对石油工作来说还比较新,但其起因可追溯到四十年代,当时心理学家开始了人工学习的开发模型研究.随着五十年代中计算机时代的出现,研究者开始计划用神经网络模型来模拟人脑中神经细胞之间的相互联系和相互作用.

关键词：地球物理学神经计算人工智能

来源：评论

学校读者我要写书评

暂无评论

多维大规模样本的神经计算——4个人工神经元记忆4544个英文单词

多维大规模样本的神经计算——4个人工神经元记忆4544个英文单词

引用

第三届中国Rough集与软计算机学术研讨会

作者：邢方亮王煦法中国科技大学计算机系(合肥)

通过让4个神经元组成的BP网络学习4544个英文词汇这一应用,本文提出了注意域的概念,并在文中具体实现了这一模型,从而模拟了注意转移的工作机制.实践证明,引入这一计算过程,可以使小规模的神经网络学习多维海量样本.这一研究结果的其它... 详细信息

通过让4个神经元组成的BP网络学习4544个英文词汇这一应用,本文提出了注意域的概念,并在文中具体实现了这一模型,从而模拟了注意转移的工作机制.实践证明,引入这一计算过程,可以使小规模的神经网络学习多维海量样本.这一研究结果的其它潜在应用还有待进一步研究和挖掘,前景是光明和乐观的.

关键词：神经计算多维大规模样本网络结构注意域

来源：评论

学校读者我要写书评

暂无评论

基于PSO进化神经计算进行苹果颜色快速分级

基于PSO进化神经计算进行苹果颜色快速分级

引用

2005第一届中国分类技术与应用研讨会(CSCA)

作者：郭志涛夏克文袁金丽河北工业大学信息工程学院天津300130

为了克服在苹果颜色分级中存在的速度慢、误差大等缺点,基于再现群智能的粒子群优化算法和神经计算技术,提出了一种新颖、快速的智能分级方法,即首先通过计算机视觉技术获取苹果表面颜色的色度,并提取其特征;然后采用改进的粒子群优化... 详细信息

为了克服在苹果颜色分级中存在的速度慢、误差大等缺点,基于再现群智能的粒子群优化算法和神经计算技术,提出了一种新颖、快速的智能分级方法,即首先通过计算机视觉技术获取苹果表面颜色的色度,并提取其特征;然后采用改进的粒子群优化算法训练神经网络结构;最后用训练好的神经网络进行苹果颜色分级.实际应用表明,该方法切实可行且效果显著,不仅分级速度快,而且分级正确率高达96﹪以上。

关键词：粒子群优化算法神经计算苹果颜色分级再现群智能智能分级计算机视觉

来源：评论

学校读者我要写书评

暂无评论

一种基于神经计算棒的电网变压器铭牌的显示和存储系统

一种基于神经计算棒的电网变压器铭牌的显示和存储系统

引用

作者：曾惜王元峰王林波王恩伟杨金铎王冕龙思璇兰雯婷王宏远刘畅杨凤生付滨熊萱徐常 550002 贵州省贵阳市南明区滨河路17号

本发明公开了一种基于神经计算棒的电网变压器铭牌的显示和存储系统，包括外部配置单元，包括神经计算棒、供电模块；内部配置单元，包括数据库储模块、信息显示模块；所述外部配置单元与所述内部配置单元基于可移动操作端作为控制终端... 详细信息

标准号: CN114597702B

本发明公开了一种基于神经计算棒的电网变压器铭牌的显示和存储系统，包括外部配置单元，包括神经计算棒、供电模块；内部配置单元，包括数据库储模块、信息显示模块；所述外部配置单元与所述内部配置单元基于可移动操作端作为控制终端；可移动操作端包括充电接口，充电接口连接有插座组件，供电模块通过导线连接有插头组件；偏向组件包括与连接座连接的固定筒；平板电脑作为可移动操作终端和可用备用电池，增加工作工具的便携性和续航能力；通过在插头组件的导线连接处设置偏向组件避免导线的随意弯折造成导线折断；通过与实际插拔的动作方向一致的逻辑，可以对插头组件和插座组件进行连接和断开操作。

关键词：配置单元可移动操作插头组件插座组件充电接口供电模块神经计算信息显示模块导线连接处电网变压器备用电池存储系统导线连接导线折断断开操作方向一致工作工具控制终端平板电脑续航能力组件包括便携性固定筒连接座铭牌外部插拔可用弯折数据库终端

来源：评论

学校读者我要写书评

暂无评论

一种用于求解矩阵方程组的神经计算模型

一种用于求解矩阵方程组的神经计算模型

引用

作者：禹继国李晓晓李帅 273165 山东省济宁市静轩西路57号

一种用于求解矩阵方程组的神经计算模型的构建方法，公式为： A ( t ) X ( t ) &CenterDot; = - A &CenterDot; ( t ) X ( t ) + B &CenterDot; ( t ) - F ( A ( t ) X ( t ) - B ( t ) ) ... 详细信息

标准号: CN107391445A

一种用于求解矩阵方程组的神经计算模型的构建方法，公式为：

<mrow> <mi>A</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mover> <mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mo>&CenterDot;</mo> </mover> <mo>=</mo> <mo>-</mo> <mover> <mi>A</mi> <mo>&CenterDot;</mo> </mover> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <mover> <mi>B</mi> <mo>&CenterDot;</mo> </mover> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>F</mi> <mrow> <mo>(</mo> <mi>A</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>X</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <mi>B</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mi>G</mi> <mrow> <mo>(</mo> <mi>A</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>X</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <mi>B</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>+</mo> <msubsup> <mo>&Integral;</mo> <mn>0</mn> <mi>t</mi> </msubsup> <mi>F</mi> <mo>(</mo> <mrow> <mi>A</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>B</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mi>d</mi> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <mi>W</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow>

通过这个最终的公式计算求解的X(t)，从任意初始状态X(0)∈R^n×m开始，相当于时变理论解的状态矩阵，它们的每个元素都是单调递增的奇激活函数。本发明的求解矩阵方程组的神经计算模型具有即使在噪声(常数噪声、随机噪声)污染的情况下也能在有限时间收敛到矩阵方程组理论解的特点，而且无论什么激活函数被使用，本发明都能收敛到矩阵方程组的理论解。

关键词：理论解方程组矩阵方程组激活函数求解矩阵神经计算噪声收敛单调递增公式计算随机噪声状态矩阵求解构建时变污染

来源：评论

学校读者我要写书评

暂无评论

基于生物智能的可变编码神经计算芯片及其制备方法

基于生物智能的可变编码神经计算芯片及其制备方法

引用

作者：刘瑶瑶蔡新霞罗金平徐世弘杨燕张奎吕诗雅贾千里朱雨鑫 100190 北京市海淀区北四环西路19号

本发明公开了一种基于生物智能的可变编码神经计算芯片及其制备方法，涉及细胞培养技术和传感器技术。所述神经计算芯片由两层子芯片系统构成。第一层子芯片系统是基于微机电系统技术的神经电子接口，主要包括修饰了铂铱纳米材料的多种... 详细信息

标准号: CN117313807A

本发明公开了一种基于生物智能的可变编码神经计算芯片及其制备方法，涉及细胞培养技术和传感器技术。所述神经计算芯片由两层子芯片系统构成。第一层子芯片系统是基于微机电系统技术的神经电子接口，主要包括修饰了铂铱纳米材料的多种几何结构的微电极，引线，作为触点的宏电极；第二层子芯片系统是利用离体培养神经细胞提供生物智能的活性神经网络。本发明芯片通过多种几何结构的微电极提供了多种编码的电刺激，增加了神经计算的运算范围，通过铂铱纳米材料提高了芯片性能，延长芯片有效工作时间，通过两层子芯片系统的联合工作实现了具有生物智能的神经计算芯片。

关键词：芯片神经计算子芯片生物智能几何结构纳米材料微电极铂铱两层微机电系统技术细胞培养技术神经细胞传感器技术电子接口工作实现活性神经可变编码离体培养电极第一层电刺激触点修饰制备运算神经网络联合

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：