课程文献中心 更多>>

关键词： 自动导引小车   脉冲耦合神经网络   双核构架   路径跟踪  

摘要： 针对视觉导航自动导引小车AGV高实时要求,提出了脉冲耦合神经网络结合双核(FPGA芯片和DSP芯片)构架的图像处理系统。并针对双核构架提出了二级处理的理念,结合FPGA芯片的特性设计了并行预处理算法,改进了神经网络的图像分割性能,提高了DSP图像识别的效率。实验证明,提出的设计思想及处理算法有效地提高了AGV视觉导航的准确性和实时性。

关键词： Paleoneurology   Anterior cranial fossa   Allometry   Broca's caps   Brain evolution   Hominids  

摘要： Within the genus Homo, the most encephalized taxa (Neandertals and modern humans) show relatively wider frontal lobes than either Homo erectus or australopithecines. The present analysis considers whether these changes are associated with a single size-based or allometric pattern (positive allometry of the width of the anterior endocranial fossa) or with a more specific and non-allometric pattern. The relationship between hemispheric length, maximum endocranial width, and frontal width at Broca's area was investigated in extant and extinct humans. Our results do not support positive allometry for the frontal lobe's width in relation to the main endocranial diameters within modern humans (Homo sapiens). Also, the correlation between frontal width and hemispheric length is lower than the Correlation between frontal width and parieto-temporal width. When compared with the australopithecines, the genus Homo could have experienced a non-allometric widening of the brain at the temporo-parietal areas, which is most evident in Neandertals. Modern humans and Neandertals also display a non-allometric widening of the anterior endocranial fossa at the Broca's cap when compared with early hominids, again more prominent in the latter group. Taking into account the contrast between the intra-specific patterns and the between-species differences, the relative widening of the anterior fossa can be interpreted as a definite evolutionary character instead of a passive consequence of brain size increase. This expansion is most likely associated with correspondent increments of the underlying neural mass, or at least with a geometrical reallocation of the frontal cortical volumes. Although different structural changes of the cranial architecture can be related to such variations, the widening of the frontal areas is nonetheless particularly interesting when some neural functions (like language or working memory, decision processing, etc.) and related fronto-parietal cortico-cortical con

关键词： 还脑益聪方   老年性痴呆症   学习记忆   水迷宫实验   β类淀粉样蛋白   P物质  

摘要： 目的:观察还脑益聪方对老龄大鼠学习记忆功能及脑组织β类淀粉样蛋白(β-AP)和P物质(S.P)水平的影响。方法:以Morris水迷宫试验检测老龄大鼠的空间学习记忆能力,将学习记忆减退的40只大鼠用随机表分成4组,每组10只。即模型(记忆减退老龄大鼠)对照组、还脑益聪方大剂量(13.68 g生药/kg)组、小剂量(6.84 g生药/kg)组和阳性药物对照组(盐酸多奈哌齐片,0.45 mg/kg)组,另取学习记忆能力正常老龄大鼠10只为正常对照组,给与等量水,其余灌胃给药8周。观察测定老龄大鼠的空间学习记忆能力和脑组织匀浆测定β-AP和P物质含量,并检测大鼠血清超氧化物岐化酶(SOD)和丙二醛(MDA)的含量,以HE染色观察大鼠脑组织形态学的病理变化。结果:模型组老龄大鼠在水迷宫中的游泳时间、路径长度明显延长。给药8周后,还脑益聪方大、小剂量组大鼠游泳持续时间、路径长度较模型组显著缩短,寻找平台的方式有所改进。和正常老龄大鼠组比较,模型组大鼠MDA含量显著升高,SOD活力显著降低。与模型组比较,给药组大鼠脑组织的β-AP含量下降和P物质水平增加,血清SOD水平显著升高(P<0.01),脑组织形态结构得到改善。结论:还脑益聪方可降低β-AP在老龄大鼠脑组织的沉积,保护脑组织海马形态的完整性,从而改善老龄大鼠空间学习记忆能力。

关键词： 竞争型脉冲耦合神经网络   多约束QoS路由   脉冲波任务   最短路径  

摘要： 在脉冲耦合神经网络的基础上提出了竞争型脉冲耦合神经网络模型,分析了该模型用于求解网络最短路由时的脉冲波传播特性,并提出了脉冲波任务的产生、分解和状态转换理论,在模型中实现了脉冲波的多约束传播,成功地应用于网络多约束QoS路由问题的求解,并可得到全局最优解。仿真实验表明,与其他算法相比,该方法的计算迭代次数最少,且减少较多;而且迭代次数只与网络路由图中源点与目的点之间的最优QoS路由长度有关,而与节点数、链路数和网络的分布构成复杂性无关,体现出较好的计算性能和优势。

关键词： 脑红蛋白   缺血/缺氧   脑   神经保护  

摘要： 脑红蛋白是继血红蛋白、肌红蛋白之后发现的第三类可运输与储存氧的球蛋白，主要在脑中表达，与氧有很高的亲和力，能够特异性地向脑组织供氧，在神经系统氧的摄取、运输和利用等生理过程中起着极其重要的作用。神经元缺氧和脑缺血能诱导脑红蛋白高表达，具有神经保护作用，为临床脑缺血缺氧疾病的防治提供了新思路。

关键词： 脉冲耦合神经网络   图像分割   最大相关准则  

摘要： 脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN)是一种有着生物学背景的新一代人工神经网络,与传统人工神经网络(Artificial Neural Network, ANN)有着很大的区别。PCNN具有脉冲耦合、双通道相乘调制、阈值动态可变等特性。在有外部神经元脉冲和外部激励信号输入时具有不应期和被捕获现象,神经元相互作用时体现了时间和空间累加特性,很好地模拟了生物神经元的疲劳、不应期和脉冲激励现象。目前已广泛应用于图像处理的各个领域,显示出巨大的优越性。图像分割是图像处理中的重要步骤,其结果关系到后续图像识别和机器智能处理的精确度,一直都是图像处理研究的热点。 本文针对PCNN在图像分割领域中的应用,进行了相关研究。利用PCNN的区域增长、图像熵、最大相关准则以及遗传算法等来进行图像分割,探讨了未来PCNN图像分割的研究方向。并利用改进型PCNN通用模型与最大相关准则相结合进行图像分割。 所做的研究工作及所取得的研究进展主要体现在以下几个方面: 一、综述了PCNN原始模型和原理;改进后的通用PCNN模型和原理;单位链接脉冲耦合神经网络(Unit-Linking PCNN)模型和原理。 二、采用综述的方式分析了基于PCNN的图像分割方法。如:基于图像熵PCNN的图像分割方法,基于最大相关准则PCNN的图像分割方法等等。分析了它们在图像分割中的具体应用,并探讨了未来PCNN图像分割的研究方向。 三、原始PCNN模型参数众多,选取过程过于复杂;Unit-Linking PCNN模型简单,但是弱化了相似群神经元发放脉冲特性。本文采用改进型PCNN通用模型,很好的解决了上述的问题,同时还在一定程度上讨论了改进型PCNN通用模型中模型参数对分割结果的影响。 四、对于阈值θj ( n)的处理,以往的方法多是对其进行迭代递减,使其遍历。本文用二维最大相关准则求解固定阈值,省去了阈值迭代递减的步骤,大大缩短了程序运行时间。 五、提出一维最大相关准则作为分割计算中的迭代准则,避免了常用的最小交叉熵中大量的对数计算,最大香农熵中分割图和原图的像素灰度分布没有产生密切联系的缺点。

关键词： 脉冲耦合神经网络   熵序列   SOM聚类   掌纹  

摘要： 掌纹识别是生物信息识别的重要技术之一,在身份识别领域已得到较好的应用,但用于中医手诊的掌纹识别研究还比较匮乏。本文提出一种基于脉冲耦合神经网络(PCNN)手掌纹理识别方法,旨在通过对不同的掌纹类型进行分类,从而辅助手诊专家发现人的潜在健康隐患。论文给出用PCNN提取时间熵序列的具体算法,并以感情线识别为例,采用SOM聚类算法获得三种类型感情线的标准熵时间序列,实现了100例感情线纹理的自动分类。论文还对PCNN的性能优劣进行了分析,对进一步改善掌纹识别算法具有借鉴意义。

关键词： 神经网络   脉冲作用   马尔可夫参数切换   均方指数同步   时滞   Lyapunov-Krasovskii泛函   线性矩阵不等式  

摘要： 本文研究了带脉冲的参数切换服从马尔科夫跳的随机时滞神经网络系统的全局均方同步问题.所考虑的神经网络模型既含有离散时滞又含有分布时滞,并且时滞是马尔科夫模态依赖的.近些年来,由于脉冲控制存在实现简单、控制成本低、能耗小的优点而引起了国际控制界的关注.脉冲控制系统不但在化工过程、电子技术和交通系统中大量存在,而且作为一种典型的混杂系统在混沌控制和混沌保密通信中取得了成功的应用,是目前工程和控制界研究的热点之一.本文通过构造新的Lyapunov函数和一些新的分析技巧,我们导出了所考虑的神经网络模型全局均方同步性的充分条件,并且推广到不确定神经网络的鲁棒同步性.所导出的这些条件能表示成线性矩阵不等式(LMI)的形式,从而可借助于Matlab LMI Toolbox有效地求解.值得一提的是利用Lyapunov函数的方法,在不需要对激活函数作有界性,单调性和可微性的要求基础上,考虑系统状态受脉冲作用的情况下的随机均方指数同步性的判据.最后,数值例子来说明我们所提出的方法的有效性.全文共由三个部分组成. 第一节简要概述了时滞神经网络和脉冲研究的相关背景和意义,接着介绍带脉冲的参数切换服从马尔科夫跳的随机时滞神经网络研究工作的进展. 第二节阐述了本文要做的主要工作. 本文第三部分,首先引进了我们所要考虑的神经网络模型,通过构造新的Lyapunov函数,我们导出了神经网络均方指数同步性的充分条件,并推广到不确定的神经系统,我们还给出一个数值例子来说明我们的方法.

关键词： Discrete delays   Distributed delays   High-order hopfield neural networks   Impulse   Lyapunov function   Periodic solution   Time scales  

摘要： On time scales, by using the continuation theorem of coincidence degree theory and constructing some suitable Lyapunov functions, the periodicity and the exponential stability are investigated for a class of delayed highorder Hopfield neural networks with impulse on time scales, which are new and complement of previously known results. Finally, an example is given to show the effectiveness of the proposed method and results. © 2010 Academic Publications.

关键词： Exponential stability   Fuzzy   Hopfield neural networks   Impulses   Stochastic   Time-varying delays  

摘要： In this paper, the model of stochastic fuzzy Hopfield neural networks with time-varying delays and impulses (ISFVDHNNs) is established as a modified Takagi-Sugeno (TS) fuzzy model in which the consequent parts are composed of a set of stochastic Hopfield neural networks with time-varying delays and impulses. Then, the global exponential stability in the mean square for ISFVDHNNs is studied by establishing an impulse fuzzy delay differential inequality. The sufficient condition, which is easily checked in practice by simple algebra methods, has a wider adaptive range and it also extends and improves some results in earlier publications.