本文關(guān)鍵詞：神經(jīng)元網(wǎng)絡(luò)的去同步控制與參數(shù)辨識研究

  更多相關(guān)文章： 去同步控制 反饋控制 參數(shù)辨識 滯后同步 預(yù)期同步

【摘要】：大腦中的神經(jīng)元通過突觸相互連接構(gòu)成了最復(fù)雜的非線性動(dòng)力學(xué)網(wǎng)絡(luò)之一，它們以同步的方式反映共同的突觸流以完成對信息的處理和加工，最終實(shí)現(xiàn)認(rèn)知、運(yùn)動(dòng)和記憶等復(fù)雜的大腦功能�？梢姡窠�(jīng)元集群的同步運(yùn)動(dòng)模式在神經(jīng)系統(tǒng)中發(fā)揮著重要的作用。然而，研究表明并不是所有的同步都是有益的，例如過同步和超同步會(huì)引發(fā)癲癇和帕金森等神經(jīng)性疾病。因此，提出合理的去同步控制策略對于治療這類神經(jīng)性疾病具有重要的意義。另一方面，由于生理實(shí)驗(yàn)難以實(shí)現(xiàn)，以神經(jīng)元模型為研究對象的研究模式成為直觀描述和了解神經(jīng)元系統(tǒng)的主要手段。在神經(jīng)元網(wǎng)絡(luò)模型中，其參數(shù)和拓?fù)浣Y(jié)構(gòu)對系統(tǒng)動(dòng)態(tài)有重要的影響，因此有必要對參數(shù)辨識問題進(jìn)行研究。本為主要研究了神經(jīng)元網(wǎng)絡(luò)系統(tǒng)的去同步控制和神經(jīng)元網(wǎng)絡(luò)模型的參數(shù)辨識兩個(gè)方面的問題。 在神經(jīng)元網(wǎng)絡(luò)去同步控制中，，提出了兩種反饋控制技術(shù)。第一種是基于Washout濾波器的均場反饋控制方法。選用更加容易計(jì)算的Rulkov映射神經(jīng)元模型為節(jié)點(diǎn)建立全局耦合、小世界和無標(biāo)度三種神經(jīng)元網(wǎng)絡(luò)，對比分析了這一方法在三種不同的神經(jīng)元網(wǎng)絡(luò)去同步中的表現(xiàn)，并從理論分析和數(shù)值仿真兩個(gè)角度給出了有效控制參數(shù)范圍；第二種是動(dòng)態(tài)時(shí)滯反饋控制方法。分別選擇Rulkov映射神經(jīng)元模型和Hindmarsh-Rose (HR)模型作為網(wǎng)絡(luò)節(jié)點(diǎn)構(gòu)建全局耦合的神經(jīng)元網(wǎng)絡(luò)模型進(jìn)行數(shù)值仿真，仿真結(jié)果表明了該方法在神經(jīng)元網(wǎng)絡(luò)去同步控制中的有效性。所提出的這兩種控制技術(shù)都不具備侵略性，即當(dāng)神經(jīng)元網(wǎng)絡(luò)達(dá)到去同步狀態(tài)時(shí)刺激信號趨于零。 在神經(jīng)網(wǎng)絡(luò)模型的參數(shù)辨識方面，提出了基于滯后同步和預(yù)期同步的自適應(yīng)控制方法用于實(shí)現(xiàn)神經(jīng)元?jiǎng)恿W(xué)網(wǎng)絡(luò)的參數(shù)估計(jì)。其主要思想是基于原有系統(tǒng)構(gòu)建一個(gè)響應(yīng)系統(tǒng)，設(shè)計(jì)自適應(yīng)的控制方法，實(shí)現(xiàn)這兩個(gè)系統(tǒng)的滯后同步或者預(yù)期同步，在這個(gè)過程中對系統(tǒng)參數(shù)和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行辨識�；跍笸胶皖A(yù)期同步的辨識方法相比于之前提出的基于完全同步的辨識方法，更具有實(shí)用性。 準(zhǔn)確的參數(shù)估計(jì)方法有助于建立更加貼近現(xiàn)實(shí)的神經(jīng)元模型，為揭示神經(jīng)元及其網(wǎng)絡(luò)的工作機(jī)制和分析神經(jīng)元放電模式及同步活動(dòng)的動(dòng)力學(xué)行為提供模型；而合理的去同步控制策略的提出為病態(tài)同步導(dǎo)致的神經(jīng)系統(tǒng)疾病的有效控制提供了思路。
【關(guān)鍵詞】：去同步控制 反饋控制 參數(shù)辨識 滯后同步 預(yù)期同步
【學(xué)位授予單位】：天津職業(yè)技術(shù)師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：R338;TP273
【目錄】：

• 中文摘要4-5
• Abstract5-9
• 第1章 緒論9-12
• 1.1 引言9
• 1.2 研究背景9-10
• 1.3 研究意義10
• 1.4 主要工作10-11
• 1.5 內(nèi)容安排11-12
• 第2章 文獻(xiàn)綜述12-18
• 2.1 神經(jīng)元模型12-13
• 2.2 神經(jīng)元網(wǎng)絡(luò)模型13-14
• 2.3 網(wǎng)絡(luò)的同步與去同步控制14-17
• 2.3.1 同步的提出及發(fā)展14-15
• 2.3.2 神經(jīng)元系統(tǒng)中的同步現(xiàn)象15-16
• 2.3.3 神經(jīng)元系統(tǒng)的去同步控制16-17
• 2.4 神經(jīng)元網(wǎng)絡(luò)模型的參數(shù)辨識17-18
• 第3章 基于 Washout 濾波器的映射神經(jīng)元去同步反饋控制18-30
• 3.1 引言18-19
• 3.2 基于 Washout 濾波器的均場反饋控制器設(shè)計(jì)19-20
• 3.3 Rulkov 映射神經(jīng)元模型20-21
• 3.4 結(jié)果21-29
• 3.4.1 仿真結(jié)果21-25
• 3.4.2 理論結(jié)果25-29
• 3.5 本章小結(jié)29-30
• 第4章 基于動(dòng)態(tài)時(shí)滯反饋控制的全局耦合神經(jīng)元集群去同步30-38
• 4.1 問題陳述及控制器設(shè)計(jì)30-33
• 4.1.1 神經(jīng)元模型30-31
• 4.1.2 動(dòng)態(tài)時(shí)滯反饋控制器的設(shè)計(jì)31-33
• 4.2 仿真結(jié)果與分析33-37
• 4.2.1 HR 神經(jīng)元集群的去同步結(jié)果33-35
• 4.2.2 Rulkov 映射神經(jīng)元集群的去同步35-37
• 4.3 本章小結(jié)37-38
• 第5章 基于滯后同步的神經(jīng)元網(wǎng)絡(luò)的參數(shù)辨識38-50
• 5.1 引言38-39
• 5.2 預(yù)備知識39-40
• 5.3 非延遲狀態(tài)下的神經(jīng)元網(wǎng)絡(luò)40-43
• 5.4 延遲狀態(tài)下的神經(jīng)元網(wǎng)絡(luò)43-45
• 5.5 仿真結(jié)果45-49
• 5.5.1 無延遲狀態(tài)下的拓?fù)浣Y(jié)構(gòu)和參數(shù)辨識45-47
• 5.5.2 延遲狀態(tài)下的參數(shù)和拓?fù)浣Y(jié)構(gòu)辨識47-49
• 5.6 本章小結(jié)49-50
• 第6章 基于預(yù)期同步的延遲狀態(tài)下神經(jīng)元網(wǎng)絡(luò)的參數(shù)辨識50-59
• 6.1 引言50-51
• 6.2 預(yù)備知識51-52
• 6.3 延遲狀態(tài)下復(fù)雜動(dòng)態(tài)網(wǎng)絡(luò)52-54
• 6.4 仿真結(jié)果54-58
• 6.5 本章小結(jié)58-59
• 第7章 總結(jié)與展望59-60
• 7.1 工作總結(jié)59
• 7.2 工作展望59-60
• 參考文獻(xiàn)60-68
• 致謝68-69
• 申請學(xué)位期間發(fā)表的論文及參與科研情況69-70

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 杜艷梅,彭建華,劉延柱;Fitz Hugh-Nagumo神經(jīng)元網(wǎng)絡(luò)的同步振蕩與聯(lián)想記憶[J];力學(xué)季刊;2005年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 于海濤;神經(jīng)元網(wǎng)絡(luò)的同步、共振及控制研究[D];天津大學(xué);2012年

本文編號：1089326