课程文献中心 更多>>

关键词： 脑-机接口   多类CSP   功率谱分析   特征矢量组合   通道扩展  

摘要： 对脑电信号的正确识别是决定脑-机接口性能最关键因素，因此基于脑电信号分类识别算法的研究显得尤为重要。 对于基于脑电信号（electroencephalogram，EEG）的脑-机接口系统，共空域模式（common spatial pattern，CSP）算法被广泛应用于解码相应神经元活动空间模式，并且对于两类运动想象的分类识别效果很好。多类模式的CSP算法有三种表现形式，第一是将多类转换成一对一（one versus one，OVO）CSP模式，第二是将多类转换成一对多（one versus rest，OVR）CSP模式，第三是基于近似联合对角化方法（approximate joint diagonalization，AJD）的CSP模式。虽然基于OVO算法的分类准确率较高，但是稳定性差，在此提出基于KNN分类的OVO-CSP改进型算法来提高稳定性。结果证明，改进算法在分类准确率及稳定性上都有提升。 对脑电信号的预处理过程包括各种滤波，很多个性化的频带选择算法被提出，但是大多数的算法都是根据分类结果来选择频带，这种由果到因的选择方式并不适用于实际的操作。因而本文选用功率谱分析对子带进行选择，并且提出在多个子带同时对多类运动想象数据进行滤波，分别结合CSP算法将提取到的特征矢量进行组合，再进行分类。实验结果证明该方法对同一组EEG数据做交叉验证的分类效果较好。 CSP算法是一种空域分析法，是对最能表征某类运动想象的空间（通道）进行加权来对源信号进行降维。按理说通道越多，越能为每类运动想象找出最适合通道作为空间滤波器；但是通道数越多，意味着需要更多的记录电极，这将增加实验的复杂度，不利于实验数据的采集；并且有研究表明，20左右数目的电极能够采集足够的脑电信号用于分析。因此本文提出一种在不增加电极的前提下，对已有通道数据进行时间延迟，将延迟得到数据迭代到空域中，以完成通道数的倍增，再根据最优模式数来选择倍增后的最优通道。实验数据证明此种方法能够有效地提高单组数据分类准确率，并且验证了最优的扩展次数；对于不同时期数据集的交叉验证，扩展一倍后得到的分类准确率也有较好的提高。

关键词： 彩色图像分割   脉冲神经网络   分水岭   楼道   盲人导航  

摘要： 视觉导航这个概念并不陌生,近些年来广泛地应用于移动机器人和智能车辆,是人工智能中关于机器视觉方面的一个热点。而智能车辆是以实现自主化驾驶为目的,要求在没有驾驶员的情况下,可以灵活主动地进行超车,避让和转弯等。移动机器人的导航指的是在室内和室外等环境场景中进行主动避障和正常行驶。这些视觉导航技术同样可用来帮助失去视力的盲人。本文选取室内楼道走廊环境作为盲人导航的行走场景,致力于分割出道路区域,检测出地面与墙的交界线,提供盲人导航最基础的数据。 本文结合导航算法,以盲人识路避障为目的,以楼内通道为环境,在现有的机器人视觉导航技术基础上,进一步采用人脑视觉系统的图像处理机制,提出一种面向盲人导航的基于脉冲神经网络彩色边沿梯度的楼道地面分割算法。首先利用脉冲神经网络生成彩色图像的梯度图,对比三个彩色分量,提取有效且重要的图像边缘,利用阈值分割的方法消除无用梯度,结合分水岭算法可以有效且较准确地提取出楼内通道的走廊地面,然后为了进一步消除分水岭分割算法中的局部极小值造成的过分割现象,采用一种基于熵值和灰度值相似的区域合并准则,来合并相似区域。最后利用种子填充算法来划分出分割区域,用边界跟踪算法求出了目标区域的轮廓形状。选取了实际实地拍摄的一百多幅不同的楼道场景图像作为图形库,拍摄时的姿势模仿随身携带摄像头,随着行走位置变化并不固定。实验结果证明本文算法对有一定噪声的有纹理和无纹理的走廊都有较好的分割效果,具有一定的实用性和鲁棒性。 本文通过仿真人脑视觉机制,利用脉冲神经元网络产生的边缘梯度信息来进行分水岭算法分割,可以对楼内通道大多数情况产生很好的分割效果,不论是墙与地面相近或纹理完全不同均有较好的鲁棒性与适应性。但是对于乱放杂物及光照极差的楼道环境不太适用。基于这一算法下一步的工作可将针对楼道的长度及宽度等进行测量,为盲人导航装置提供重要数据,让摄像头变成盲人的灵活“眼睛”。

关键词： DMM自动检定   脉冲神经网络   XML文件配置   多阈值二值化   字符识别  

摘要： 本文设计了一套数字多用表自动检定系统。对于有数据接口的多用表,采用GPIB接口控制卡和GPIB总线,连接和控制校准器和被检定数字多用表;对于无数字接口的数字多用表(如手持式),采用摄像头拍摄液晶屏,利用图像识别技术自动获取被检表的读数。本文创新点和完成工作如下： 1、液晶屏显示区域的定位中引入新算法。 本文引入具有生物视觉的并行机制的脉冲神经网络边缘提取算法提取图像边缘,使得字符边缘封闭完整;结合灰度投影方法和膨胀腐蚀以及孔洞填充的形态学方法对液晶屏中的待识别字符区域进行定位。该定位方法利用边缘信息,准确度高且抗干扰能力强。 2、字符图像识别中创新提出了多阈值动态二值化算法。 二值化处理之前,采用基于小波变换方法消除光照不均。考虑图像整体信息和局部特征信息,在动态阈值二值法基础上做了改进,对图像采用三种不同阈值进行处理以及修正处理,该方法确保了二值化处理的精确性。 3、创新设计了XML检定参数配置管理技术。 软件系统创新性采用XML文件,利用其灵活的树形结构,配置检定项目、校准点、校准命令、校准量程及校准参数等信息,优于一般检定系统的固化的软件,可满足不同型号多种规格数字多用表的检定需求。

关键词： 诺贝尔生理学或医学奖   定位系统   位置细胞   海马体   网格细胞  

摘要： 2014年的诺贝尔生理学或医学奖授予了英国伦敦大学学院教授约翰?奥基夫、挪威科技大学教授梅?布里特?莫泽和其丈夫爱德华?莫泽,因为他们发现了组成大脑定位系统的细胞,由这些细胞组成的系统成为"大脑中的GPS"?2014年诺贝尔生理学或医学奖奖金共800万瑞典克朗(约合人民币678万元),奥基夫将获得该奖项一半的奖

关键词： HOPFIELD network stability   NEURAL networks (Computer science)   TIME delay systems   EXPONENTIAL stability   NUMERICAL analysis  

摘要： In this paper the globally exponential stability criteria of delayed Hopfield neural networks with variable-time impulses are established. The proposed criteria can also be applied in Hopfield neural networks with fixed-time impulses. A numerical example is presented to illustrate the effectiveness of our theoretical results.

关键词： 人体隐喻   对比研究   认知角度   隐喻模式   映射模式  

摘要： 隐喻研究在过去的二十年取得了突破性的进展。随着语言学尤其是认知语言学的发展，人们意识到隐喻不仅仅是一种修辞手法，也是一种认知方式。Lakoff和Johnson合著的《我们赖以生存的隐喻》标志着隐喻研究进入了认知阶段。除了Lakoff和Johnson之外，还有一位学者在认知语言学的框架下对隐喻进行了系统性的研究，他就是G. Fauconnier。他补充完善了Lakoff的映射理论，提出了一个全新的理论——概念整合理论。 在本文中，作者试图从认知的角度对汉英“意识类”人体词“心”、“头”、“脑”的隐喻进行对比研究，从而探究英汉隐喻模式的异同。本文的数据来源于两个大型在线语料库：北大中文语料库和美国当代英语语料库。作者以“心”、“头”、“脑”为关键词，搜集含有人体隐喻表达的例句，每个关键词搜集100个例句。从两个语料库中各提取了300个例句，共计600个例句。所搜集的例句根据不同的映射模式分成三类:1)从人体域映射到非人体域；2)从非人体域映射到人体域；3)不同的人体部位之间的映射。每一种映射模式所占的比例将会被制成表格，这样可以方便英汉数据之间的比较。英汉的映射模式，隐喻模式，以及其他的一些特点也将会逐一分析。 通过对数据的统计分析可以看出在三种映射模式中，汉英相似性主要体现在第一种类型中，而差异性则体现在第二、三种类型中。就差异性而言，在第二种映射模式即从非人体域映射到人体域中，汉语的始源域拥有更多的子分类，这反应了汉语隐喻模式的多样化。在子分类的百分比中，汉语的分布比英语的分布更为均衡。而对于第三种映射模式，即不同人体部位之间的隐喻，英语几乎找不到例子，因此可以说英语的此类映射模式是缺失的。这再次印证了汉语人体隐喻的隐喻模式比英语更为丰富多样。而汉英的相似性则在于人体域向非人体域的映射这一类型，它的百分比分布是类似的。而它的大部分子分类在汉英中都能找到对应项，其分布也大体一致。总而言之，汉英隐喻模式的相似性是大于其差异性的。本研究也就其相似性和差异性的原因进行了简单的探讨，认为相似性来源于认知的普遍性而差异性则是由于文化的特殊性。

关键词： NONLINEAR systems   UBIQUITOUS computing   NEURAL circuitry   CHAOS synchronization   TIME delay systems  

摘要： The impulsive complex-valued neural networks with three kinds of time delays including leakage delay, discrete delay, and distributed delay are considered. Based on the homeomorphism mapping principle of complex domain, a sufficient condition for the existence and uniqueness of the equilibrium point of the addressed complex-valued neural networks is proposed in terms of linear matrix inequality (LMI). By constructing appropriate Lyapunov-Krasovskii functionals, and employing the free weighting matrix method, several delay-dependent criteria for checking the global mu-stability of the complex-valued neural networks are established in LMIs. As direct applications of these results, several criteria on the exponential stability, power-stability, and log-stability are obtained. Two examples with simulations are provided to demonstrate the effectiveness of the proposed criteria.

关键词： Cohen-Grossberg神经网络   脉冲   周期解   反周期解   指数稳定性   Lyapunov泛函   变时滞  

摘要： Cohen和Grossberg在1983年首先提出Cohen-Grossberg神经网络（CGNNs）模型（参见文献[1]）,并将著名的Hopfield神经网络（HNNs）模型、细胞神经网络（CNNs）模型和Lotka-Voltera竞争模型作为它的特殊模型.近些年来,CGNNs神经网络不仅获得了快速的发展,而且它还被广泛地应用于许多科学领域,如优化控制、联想记忆、模式识别、机器人以及计算机视觉等方面. 由于许多变化过程在某一时刻会突然发生状态上的改变,从而产生脉冲效应.神经网络的设计与应用是需满足稳定性的基本要求的.周期型振荡对于非自治型神经网络模型是一个非常重要的动力学行为属性,它可以表示各种存储模式或内存模式的解决方案,在科学研究中有很多应用. 全文共分为5节,第1节为引言部分：首先,本节主要介绍了神经网络的发展历史、研究背景;其次,介绍了脉冲神经网络的发展过程、实际意义、研究近况与研究成果;最后,给出了本文的研究内容概述及章节安排. 第2节为预备知识部分：主要介绍了一些常用的定义以及一些稳定性的相关定理. 第3节讨论了具有变时滞的细胞神经网络的指数稳定性.分别使用p-范数和∞-范数,利用Lyapunov泛函理论、不等式技巧,得到了一些指数稳定的充分条件.最后,通过对两个实例进行数值模拟,验证了本节研究方法和主要结论的可行性与有效性. 第4节主要研究了具有脉冲的Cohen-Grossberg神经网络的周期解的存在性及其指数稳定性.首先通过运用不等式技巧和不动点定理,构建合适的Lyapunov函数,得到了系统周期解存在且指数稳定的充分条件,最后给出一个例子通过数值模拟验证了所得结论的正确性. 第5节中研究了带有分布时滞和脉冲的高阶Cohen-Grossberg神经网络反周期解的存在性及其稳定性.最后给出了一个具体例子,通过数值模拟验证了所得主要结论的正确性与可行性.

关键词： 网格细胞   图形模式   内嗅皮层   六边形   位置细胞   神经细胞   诺贝尔奖   特隆赫姆   携手同行  

摘要： 据国外媒体报道,2014诺贝尔奖生理学或医学奖得主为:美国科学家约翰·欧基夫、挪威科学家梅·布莱特以及挪威科学家爱德华·莫索尔,以奖励他们在"发现了大脑中形成定位系统的细胞"方面所做的贡献。而此次的诺贝尔奖生理学或医学奖得主却又一对夫妻同时获奖,爱德华·莫索尔和梅·布莱特夫妇俩已

关键词： 混合时滞   分段常数变元   脉冲神经网络   稳定性  

摘要： 人工神经网络在上世纪80年代迎来了第二次研究热潮,一些著名的神经网络模型被相继提出并进行了大量研究,如Hopfield神经网络,细胞神经网络,Cohen-Grossberg神经网络,双向联想记忆神经网络等等。它们在联想记忆、图像处理、优化问题、模式识别、并行计算、预报预测、经济管理等领域有着广泛应用,而对其动力学行为的研究是进行这些应用的前提和先决条件。在这期间,泛函微分方程,脉冲微分方程,离散和连续动力系统等理论也迅速发展,对神经网络的发展提供了必要的数学基础。从方程角度讨论时滞、脉冲、分段常数变元等对非线性神经网络动力学行为的影响具有非常重要的意义。本文主要讨论在脉冲扰动下具有混合时滞和分段常数变元的神经网络的定性性质,包括解的存在唯一性,平衡点的稳定性等。具体包括： 第一章,首先从数学角度介绍了神经网络的发展历史和研究现状,分别介绍了时滞、脉冲、分段常数变元微分方程理论,以及将其逐渐运用于神经网络的发展历程,然后给出本文的基本结构。 第二章,讨论了两类时滞脉冲神经网络模型的定性性质。第一类是具有混合时滞及推广的脉冲函数和激励函数的神经网络,其中的混合时滞包括时变传递时滞,有界的时变分布时滞和常数leakage时滞,脉冲函数是一种时滞型的广义脉冲函数,且激励函数是互不相同的。模型如下：第一,利用压缩映射原理,得到了系统解的存在唯一性条件。第二,利用拓扑度理论,得到了系统平衡点的存在性条件。第三,通过构造一个新的Lyapunov-Kravsovskii泛函和分析技巧,得到了确保平衡点全局渐近稳定的充分条件,从而也意味着平衡点的唯一性。这些条件依赖于传递时滞,分布时滞和leakage时滞,而且既不要求激励函数的有界性、单调性和可微性,又不要求时变时滞的可微性甚至有界可微性,因此条件更弱,应用更方便。即使当系统中不含leakage时滞的情形,所得结果也是新的。而且,其中的稳定性准则用线性矩阵不等式（LMI）方法给出,能够方便地利用Matlab中的LMI工具箱验证,具有实际操作性,最后给出例子说明结果的有效性。第二类是具有时变leakage时滞的脉冲Hopfield申经网络,模型如下：时变leakage时滞与常数leakage时滞有着本质区别,通过对Hopfielc1神经网络的稳定性分析,探讨了时变leakage时滞对系统稳定性的影响,即需要对其如何限制才能确保系统稳定。借助依赖于时变leakage时滞的新的Lyapunov-Kravsovskii泛函,建立了系统全局渐近稳定的充分条件。从结果可见,相对于传递时滞,系统的稳定性对leakage时滞的大小变化更敏感。 第三章,讨论了具广义型分段常数变元的脉冲Cohen-Grossberg神经网络模型,如下：首先,通过构造逼近函数序列得到系统解的存在唯一性条件,然后,建立了新的具分段常数变元的脉冲微分不等式,利用它并通过构造不同的Lyapunov函数得到平衡点的全局指数稳定性准则。本章结果有如下优势,第一,Cohen-Grossberg申经网络是一类推广的递归神经网络,形式更复杂,用通常的线性估计方法并不能得到其稳定性结论,而利用本章建立的新的脉冲微分不等式可有效解决此问题;第二,本章结果的条件中只包含模型的物理参数,而不用另外选取其它辅助函数,在实际应用时更方便。