本文關鍵詞：神經元網絡的去同步控制與參數辨識研究

  更多相關文章： 去同步控制 反饋控制 參數辨識 滯后同步 預期同步

【摘要】：大腦中的神經元通過突觸相互連接構成了最復雜的非線性動力學網絡之一，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，最終實現(xiàn)認知、運動和記憶等復雜的大腦功能�？梢�，神經元集群的同步運動模式在神經系統(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引發(fā)癲癇和帕金森等神經性疾病。因此，提出合理的去同步控制策略對于治療這類神經性疾病具有重要的意義。另一方面，由于生理實驗難以實現(xiàn)，以神經元模型為研究對象的研究模式成為直觀描述和了解神經元系統(tǒng)的主要手段。在神經元網絡模型中，其參數和拓撲結構對系統(tǒng)動態(tài)有重要的影響，因此有必要對參數辨識問題進行研究。本為主要研究了神經元網絡系統(tǒng)的去同步控制和神經元網絡模型的參數辨識兩個方面的問題。 在神經元網絡去同步控制中，，提出了兩種反饋控制技術。第一種是基于Washout濾波器的均場反饋控制方法。選用更加容易計算的Rulkov映射神經元模型為節(jié)點建立全局耦合、小世界和無標度三種神經元網絡，對比分析了這一方法在三種不同的神經元網絡去同步中的表現(xiàn)，并從理論分析和數值仿真兩個角度給出了有效控制參數范圍；第二種是動態(tài)時滯反饋控制方法。分別選擇Rulkov映射神經元模型和Hindmarsh-Rose (HR)模型作為網絡節(jié)點構建全局耦合的神經元網絡模型進行數值仿真，仿真結果表明了該方法在神經元網絡去同步控制中的有效性。所提出的這兩種控制技術都不具備侵略性，即當神經元網絡達到去同步狀態(tài)時刺激信號趨于零。 在神經網絡模型的參數辨識方面，提出了基于滯后同步和預期同步的自適應控制方法用于實現(xiàn)神經元動力學網絡的參數估計。其主要思想是基于原有系統(tǒng)構建一個響應系統(tǒng)，設計自適應的控制方法，實現(xiàn)這兩個系統(tǒng)的滯后同步或者預期同步，在這個過程中對系統(tǒng)參數和網絡拓撲結構進行辨識。基于滯后同步和預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，更具有實用性。 準確的參數估計方法有助于建立更加貼近現(xiàn)實的神經元模型，為揭示神經元及其網絡的工作機制和分析神經元放電模式及同步活動的動力學行為提供模型；而合理的去同步控制策略的提出為病態(tài)同步導致的神經系統(tǒng)疾病的有效控制提供了思路。
【關鍵詞】：去同步控制 反饋控制 參數辨識 滯后同步 預期同步
【學位授予單位】：天津職業(yè)技術師范大學
【學位級別】：碩士
【學位授予年份】：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 內容安排11-12
• 第2章 文獻綜述12-18
• 2.1 神經元模型12-13
• 2.2 神經元網絡模型13-14
• 2.3 網絡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 神經元系統(tǒng)中的同步現(xiàn)象15-16
• 2.3.3 神經元系統(tǒng)的去同步控制16-17
• 2.4 神經元網絡模型的參數辨識17-18
• 第3章 基于 Washout 濾波器的映射神經元去同步反饋控制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計19-20
• 3.3 Rulkov 映射神經元模型20-21
• 3.4 結果21-29
• 3.4.1 仿真結果21-25
• 3.4.2 理論結果25-29
• 3.5 本章小結29-30
• 第4章 基于動態(tài)時滯反饋控制的全局耦合神經元集群去同步30-38
• 4.1 問題陳述及控制器設計30-33
• 4.1.1 神經元模型30-31
• 4.1.2 動態(tài)時滯反饋控制器的設計31-33
• 4.2 仿真結果與分析33-37
• 4.2.1 HR 神經元集群的去同步結果33-35
• 4.2.2 Rulkov 映射神經元集群的去同步35-37
• 4.3 本章小結37-38
• 第5章 基于滯后同步的神經元網絡的參數辨識38-50
• 5.1 引言38-39
• 5.2 預備知識39-40
• 5.3 非延遲狀態(tài)下的神經元網絡40-43
• 5.4 延遲狀態(tài)下的神經元網絡43-45
• 5.5 仿真結果45-49
• 5.5.1 無延遲狀態(tài)下的拓撲結構和參數辨識45-47
• 5.5.2 延遲狀態(tài)下的參數和拓撲結構辨識47-49
• 5.6 本章小結49-50
• 第6章 基于預期同步的延遲狀態(tài)下神經元網絡的參數辨識50-59
• 6.1 引言50-51
• 6.2 預備知識51-52
• 6.3 延遲狀態(tài)下復雜動態(tài)網絡52-54
• 6.4 仿真結果54-58
• 6.5 本章小結58-59
• 第7章 總結與展望59-60
• 7.1 工作總結59
• 7.2 工作展望59-60
• 參考文獻60-68
• 致謝68-69
• 申請學位期間發(fā)表的論文及參與科研情況69-70

【參考文獻】

中國期刊全文數據庫 前1條

1 杜艷梅,彭建華,劉延柱;Fitz Hugh-Nagumo神經元網絡的同步振蕩與聯(lián)想記憶[J];力學季刊;2005年01期

中國博士學位論文全文數據庫 前1條

1 于海濤;神經元網絡的同步、共振及控制研究[D];天津大學;2012年

本文編號：1089326