期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
新IF模型及其学习规则研究 被引量:2
1
作者 吕永浦 冯大政 《系统工程与电子技术》 EI CSCD 北大核心 2006年第4期582-586,共5页
针对Lapicque的Integrate-and-Fire(IF)模型,给出了一种新的Integrate-and-Fire(IF)简化模型,较以往的IF模型,此模型的活动方程大大简化,其运行结果很好地拟合了神经细胞的生理特性,尤其是该模型较好地匹配了突触连接的非线性特性。针... 针对Lapicque的Integrate-and-Fire(IF)模型,给出了一种新的Integrate-and-Fire(IF)简化模型,较以往的IF模型,此模型的活动方程大大简化,其运行结果很好地拟合了神经细胞的生理特性,尤其是该模型较好地匹配了突触连接的非线性特性。针对这一简化模型,给出了基于最大信息量的权向量学习规则,此规则的可行性在随后的盲信号分离应用中得到了证明。 展开更多
关键词 人工神经元 if模型 学习规则 最大信息量 盲信号分离
下载PDF
基于互信息的生物神经网络功能性连接辨识 被引量:2
2
作者 刘剑钊 董朝轶 冯丽斐 《传感器与微系统》 CSCD 2016年第6期59-61,65,共4页
生物神经网络(BNN)功能性连接的辨识方法被广泛地应用于使用BNN的多通道时间序列数据构建网络连接结构,帮助加深对BNN结构和功能间关系的认识和理解。首先,建立基于积分点火(IF)机制的BNN模型,获得多通道神经元脉冲序列;然后,运用互信息... 生物神经网络(BNN)功能性连接的辨识方法被广泛地应用于使用BNN的多通道时间序列数据构建网络连接结构,帮助加深对BNN结构和功能间关系的认识和理解。首先,建立基于积分点火(IF)机制的BNN模型,获得多通道神经元脉冲序列;然后,运用互信息(MI)方法计算出各神经元间的MI值,超过一定阈值的MI表明两个神经元间存在相互连接关系。仿真结果表明:基于MI的网络辨识方法计算开销较小,对BNN功能性连接结构具有较高的辨识度。 展开更多
关键词 生物神经网络 积分点火模型 脉冲序列 互信息
下载PDF
一种简化的整合-激发模型分析 被引量:1
3
作者 张莉 冯大政 《计算机仿真》 CSCD 北大核心 2009年第8期147-150,共4页
针对Lapicque提出的整合-激发模型,给出了一种新的侧抑制连接的整合-激发网络模型及其输入—输出关系。较以往的整合-激发模型,模型的活动方程被大大简化了。其运行结果很好地拟合了神经细胞的生理特性,尤其是模型较好地匹配了突触连接... 针对Lapicque提出的整合-激发模型,给出了一种新的侧抑制连接的整合-激发网络模型及其输入—输出关系。较以往的整合-激发模型,模型的活动方程被大大简化了。其运行结果很好地拟合了神经细胞的生理特性,尤其是模型较好地匹配了突触连接的非线性特性。对点火机制进行了改进,采用不同于以往的离散值的异步点火机制。使得网络的适应性有了很大的提高。在图像辨识中,方法显示出动态的特性,并具有自动波的传播特性。 展开更多
关键词 人工神经元 整合-激发模型 异步点火机制 自动波的传播
下载PDF
整合发放神经元模型突触输入参数估计 被引量:1
4
作者 王锋 焦贤发 《合肥工业大学学报(自然科学版)》 CAS CSCD 北大核心 2015年第3期428-432,共5页
文章针对突触输入和噪声共同作用下的整合发放神经元模型,在不考虑放电阈值前提下,采用最小二乘法估计突触输入参数;当考虑神经元放电阈值特性时,将放电阈值看成一个吸收边界,导出膜电位转移概率密度函数,再利用极大似然法估计突触输入... 文章针对突触输入和噪声共同作用下的整合发放神经元模型,在不考虑放电阈值前提下,采用最小二乘法估计突触输入参数;当考虑神经元放电阈值特性时,将放电阈值看成一个吸收边界,导出膜电位转移概率密度函数,再利用极大似然法估计突触输入参数。结果表明:最小二乘估计仅适合阈下活动的参数估计,而对阈上活动无效;极大似然估计适用于神经元放电的阈值行为;无论是从适用范围还是估计精度来说,极大似然估计都要优于最小二乘估计。 展开更多
关键词 整合发放神经元模型 突触输入 噪声 极大似然估计 最小二乘估计
下载PDF
指数衰减阈值对IF神经元点火统计特性的影响
5
作者 张莉 冯大政 《信息与控制》 CSCD 北大核心 2010年第3期263-267,共5页
研究了指数衰减阈值对高斯白噪声刺激下的IF(integrate-and-fire)神经元的影响,特别是对峰电位间隔的均值和标准差的影响.结果显示当阈值衰减缓慢时,不论神经元的点火频率何时与阂值的衰减频率相匹配,峰电位间隔的变化系数都能达到最小... 研究了指数衰减阈值对高斯白噪声刺激下的IF(integrate-and-fire)神经元的影响,特别是对峰电位间隔的均值和标准差的影响.结果显示当阈值衰减缓慢时,不论神经元的点火频率何时与阂值的衰减频率相匹配,峰电位间隔的变化系数都能达到最小值.通过改变噪声强度或者输入电流,观察点火频率受到的影响.分析了在神经元点火后重新设置膜电位所引起的误差.把该IF网络用于图像边缘检测中,取得了较好的效果. 展开更多
关键词 if模型 时变阈值 边缘检测 点火频率
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部