【摘要】：腦電信號(Electroencephalogram,EEG)包含很多生理和疾病信息,為某些腦疾病的診斷和治療提供了依據。大腦是復雜的網絡系統(tǒng),由單個神經群為節(jié)點構成的腦網絡模型可以模擬不同節(jié)律的腦電信號。對腦網絡模型的動力學分析有助于挖掘腦節(jié)律產生的原因,更好的理解疾病的發(fā)病機制,對腦網絡模型的反饋控制策略研究可以為腦節(jié)律的調制和腦疾病的治療提供新的思路。本文從復雜網絡角度對經典的神經群模型進行拓展,把單個神經群模型視為網絡中的節(jié)點,構造具有不同拓撲的腦網絡模型,對模型的動力學特性進行統(tǒng)計分析,并根據不同的拓撲結構給出不同的牽制控制策略對動力學特性進行控制。首先,構造具有規(guī)則、小世界、無標度和隨機拓撲的腦網絡模型,用改進的排序熵算法對腦電信號的復雜性進行統(tǒng)計分析,研究耦合強度、網絡參量和拓撲結構對動力學特性的影響,進而利用可編程片上系統(tǒng)(System on Programmable Chip,SOPC)構建腦網絡模型以模擬腦電信號。其次,將牽制控制和模糊Proportion Integration Differentiation(PID)控制相結合,應用于具有小世界拓撲的腦網絡模型的動力學控制中,分析不同的控制策略對控制效果的影響,仿真驗證特定的牽制控制在小世界拓撲的腦網絡模型中的有效性,同時分析模型重要參數對控制能量的影響和最小驅動節(jié)點個數的影響。最后,將牽制控制和模糊PID控制相結合應用于規(guī)則、小世界、無標度和隨機拓撲的腦網絡模型的動力學控制中,研究在不同的拓撲下隨機牽制控制策略和特定牽制控制策略對控制效果的影響,分析拓撲結構和耦合強度對驅動節(jié)點個數的影響。
【圖文】：

1.4 本文主要內容以及結構安排本文主要對不同拓撲的腦網絡模型進行動力學分析并對動力學進行控制。以單個神經群模型為節(jié)點，根據圖論和復雜網絡理論相應的構造算法，，構建不同拓撲的腦網絡模型，運用改進的排序熵算法對模型的動力學特性進行復雜性特征提取并比較不同拓撲結構的腦網絡模型動力學特性的異同。對不同拓撲的腦網絡模型給出不同的牽制控制策略以實現動力學控制。首先，對具有小世界拓撲的腦網絡模型進行詳細地研究，給出多種不同的牽制控制策略，分別從控制效果和控制能量兩方面驗證特定的牽制控制策略在小世界拓撲的腦網絡模型中的有效性。對小世界拓撲的腦網絡模型閉環(huán)控制策略的研究為后續(xù)研究打下了基礎，因為腦網絡中除了呈現小世界特性外，還可能存在其他的拓撲結構，包括規(guī)則、無標度和隨機拓撲，所以本文基于真實的腦網絡對具有規(guī)則、小世界、無標度和隨機拓撲的腦網絡模型進行牽制控制方面的研究，圖 1-1 給出了文中研究內容的示意。

本章首先介紹利用神經群模型模擬腦電信號的原理，介紹單個神經群模型的及對應的微分方程，給出神經群模型對應參數的生理含義及標準值。其次，在神經群模型的基礎上，介紹了多個神經群耦合模型的微分方程，并介紹對應參含義。再次，給出圖論和復雜網絡理論中的一些基本概念，包括網絡拓撲結構絡特征參量和牽制控制的基本知識。最后，介紹 FPGA 和模糊控制原理的一些知識。.1 神經群模型(1) 單個神經群模型神經群模型是一種集總參數模型，可以模擬真實的腦電信號，它借助于興奮抑制性細胞相互作用來產生神經振蕩。圖 2-1 給出了單個神經群模型的框圖，由分構成，虛線框外的的表示非錐體細胞(星型細胞、藍細胞等)，記為子群 1，它受興奮性輸入。虛線框內的表示錐體細胞記為子群 2，錐體細胞主要接受來自星胞或藍細胞的興奮性或抑制性反饋。
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R741.044;TP13

【相似文獻】

相關期刊論文 前10條

1 李銀;位瑞英;;時滯離散網絡模型的動力學分析與同步[J];數學建模及其應用;2017年04期

2 劉強;方錦清;李永;;五百強企業(yè)超網絡模型研究[J];中國原子能科學研究院年報;2016年00期

3 劉強;方錦清;李永;;超網絡模型交叉度分析[J];中國原子能科學研究院年報;2013年00期

4 石海平;陸婧;楊忠振;;基于超級運輸網絡模型的綜合運輸政策效果分析[J];物流技術;2012年13期

5 李得榮;楊建梅;李欣榮;謝偉聰;;產業(yè)競爭關系復雜網絡模型群分析——以中國汽車零部件產業(yè)為例[J];管理學報;2010年05期

6 王景峰;李健;朱玉杰;;基于復雜網絡模型的協同制造服務網建立方法[J];森林工程;2010年06期

7 魏江，蔡延光，陳勁，錢積新，許慶瑞;不同創(chuàng)新項目相互影響的網絡模型[J];決策與決策支持系統(tǒng);1994年03期

8 ;美國小學的“課堂計算機網絡模型”[J];比較教育研究;1995年05期

9 王宗培;張一鳴;;混合式步進電動機的通用磁網絡模型[J];微特電機;1992年04期

10 陳志明;一種適合水利水電工程施工的網絡模型[J];水力發(fā)電;1985年01期

相關會議論文 前10條

1 劉強;方錦清;李永;;超網絡模型交叉度分析[A];中國原子能科學研究院年報 2013[C];2014年

2 張書超;那日薩;;具有老化機制的阿波羅網絡模型[A];2006全國復雜網絡學術會議論文集[C];2006年

3 秦紹萌;陳勇;;生態(tài)系統(tǒng)宏觀演化的網絡模型[A];2006全國復雜網絡學術會議論文集[C];2006年

4 王仲君;黃紅球;;一個具有確定度分布的有向網絡模型[A];2006全國復雜網絡學術會議論文集[C];2006年

5 李艷芳;何登旭;劉向虎;;泰勒展開式的泛函網絡模型及學習算法[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

6 李瀅;黨延忠;;基于問題處理多維知識網絡模型的決策支持研究[A];第十屆（2015）中國管理學年會論文集[C];2015年

7 劉仙;方媛;孫呈霞;高慶;;具有不同拓撲結構腦網絡模型的牽制控制[A];第37屆中國控制會議論文集（D）[C];2018年

8 駱繼明;郭新軍;;分布復雜機電系統(tǒng)網絡模型圖自動生成算法研究[A];煤礦機電一體化新技術創(chuàng)新與發(fā)展2012學術年會論文集[C];2012年

9 姜江;趙青松;楊克巍;陳英武;;證據網絡模型及其推理決策方法研究[A];社會經濟發(fā)展轉型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

10 劉貝;李勇;孟繁疆;蘆艷敏;;基因調控網絡模型的研究[A];黑龍江省計算機學會2007年學術交流年會論文集[C];2007年

相關重要報紙文章 前4條

1 馮衛(wèi)東;美構建可快速確認基因功能的基因網絡模型[N];科技日報;2008年

2 李贊;規(guī)劃ADSL三層結構網絡模型[N];通信產業(yè)報;2004年

3 ;智能光網絡的網絡模型[N];人民郵電;2003年

4 王甲佳;構建網絡模型，解決庫存積壓[N];中國信息化周報;2014年

相關博士學位論文 前10條

1 呂琦;數據中心網絡模型研究[D];南京大學;2013年

2 許麗;砂巖油藏孔隙網絡模型構造及應用研究[D];西南石油大學;2015年

3 吳昊;基于網絡模型的癌癥致病模式挖掘方法[D];西安電子科技大學;2016年

4 譚光興;人工免疫系統(tǒng)動力學模型及其在優(yōu)化控制中的應用[D];華南理工大學;2006年

5 劉勝久;復雜網絡模型構建及特性分析[D];西南交通大學;2015年

6 譚利;復雜網絡模型及應用研究[D];中南大學;2010年

7 齊峰;人工神經樹網絡模型的優(yōu)化研究與應用[D];山東師范大學;2011年

8 黃朝琴;基于離散縫洞網絡模型的多尺度兩相流動模擬理論研究[D];中國石油大學（華東）;2012年

9 李淑靜;復合復雜網絡模型研究與應用[D];青島大學;2011年

10 張允;裂縫性油藏離散裂縫網絡模型數值模擬研究[D];中國石油大學;2008年

相關碩士學位論文 前10條

1 賈超;基于逃避規(guī)則下的洗錢網絡模型構建與監(jiān)測應用研究[D];山西師范大學;2017年

2 方媛;腦網絡模型的動力學分析與牽制控制[D];燕山大學;2018年

3 周祥全;卷積網絡模型及其在遙感圖像目標識別中的應用[D];成都理工大學;2018年

4 吳博;一種基于動態(tài)DCVS網絡模型的流量規(guī)劃方法研究[D];昆明理工大學;2018年

5 鄧廣偉;基于深度學習的圖像哈希檢索方法研究[D];湖南大學;2018年

6 汪冉;基于深度學習的句子情感分類[D];南京理工大學;2018年

7 蔡林森;基于深度學習的關聯目標情感分析研究[D];華東師范大學;2018年

8 黎李強;深度網絡模型壓縮及其在人臉識別的應用[D];華南理工大學;2018年

9 劉遠超;一類確定性網絡模型的特性研究[D];青海師范大學;2018年

10 彭鈺蘅;基于學習的自然圖像對稱性目標檢測[D];大連理工大學;2018年

本文編號：2691122