课程文献中心 更多>>

摘要： 脉冲耦合神经网络(PCNN)是根据动物大脑皮层上的同步脉冲发送现象而定义产生的，它在图形分割、图像融合、图像细化及图像识别等方面具有重要作用。而其改进型，双通道PCNN模型非常适用于图像融合。量子计算是一种新型的计算模式，它具有叠加、纠缠等量子特性，使得在存储、处理和传输信息等方面具有比经典计算机更高的计算能力。由于量子计算具有极高的并行计算能力，其被广泛应用于计算机科学的各个领域，包括图像处理领域，如量子前馈神经网络、量子卷积神经网络等。

摘要： 国家对自然资源系统非常重视，当今世界处于百年未有之大变局，新形势下国家赋予自然资源新的使命，利用新技术合理整合资源，提效增速，推动自然资源事业蓬勃发展。在涉及大数据时，习近平总书记提到了三融五跨。统筹推进技术融合、业务融合、数据融合，提升跨层级、跨地域、跨系统、跨部门、跨业务的协同管理和服务水平。“三融五跨”要求改变条块分割、各自为政的数据传递、决策执行模式，推动数据全量化的融合、开放、共享和条块业务大跨度、大范围的协同整合，这既是数字化工作必须遵循的推进路径，也是衡量数字化发展成效的重要标志。推进数字化改革，必须坚持系统观念、运用系统方法，构建多跨协同工作机制，推动实现各领域管理服务的一体化、系统化、闭环化。三融五跨就是让数据互联互通，数据共享。自然资源分为很多种类，每个种类都会产生海量的数据，数据间不是孤立的，而是相互联系的，若能在共享的基础上，分析数据，整合资源，必将充分释放自然资源的数据红利，使人与自然和谐共生。

关键词： 脉冲神经网络   神经形态数据集   动态视觉   忆阻器   类脑计算  

摘要： 近几年,神经网络在目标检测、图像识别、语义分割等方向产生了重要突破,但现有神经网络模型的计算机制与真实大脑存在一定的差异,计算所需的大量资源可能导致AI的算力瓶颈和能耗瓶颈。脉冲神经网络(Spiking Neural Networks,SNN)是模拟生物神经系统提出的第三代人工神经网络,具有低能耗、计算效率高的优势,在处理大规模、复杂的时序信息任务和超低功耗边缘计算任务上具有广泛的应用前景。此外,SNN的部署特性与存算一体类脑芯片的结合为打破冯诺依曼瓶颈、突破当前人工智能算力阻碍提供了新方案。然而,由于复杂的神经元动力学和不可微的脉冲活动的影响,SNN的高性能监督训练受到限制。本文基于对SNN在反向传播学习算法中的梯度替代函数研究,探讨SNN在动态视觉方向的图像分类算法并在硬件上进行应用部署,主要工作内容如下:(1)神经形态数据集被脉冲神经网络广泛的作为训练基准。本工作使用动态视觉传感器采集手势数据并进行完整的数据预处理,包括数据划分、位置积分和特征提取。搭建两种训练算法的SNN用于数据集分类,在损失函数中引入新的突触操作限制项以降低脉冲发放频率和网络功耗,将得到的模型部署在类脑处理器上,验证了SNN的低延迟和低功耗优势。(2)针对SNN训练时使用替代梯度函数产生的梯度误差导致精度损失的问题,本文对时空域上的信息流进行建模,提出了一种保留梯度传播信息的渐近梯度学习算法,能够在保持网络更新能力的同时获得精确的梯度。最后,在主流的静态数据集和神经形态数据集上进行实验,更高的网络精度证明了算法的有效性。(3)针对本文设计的脉冲卷积网络结构,提出了一种基于忆阻器的神经网络存算一体加速方案。首先分析了忆阻器的特性和主流的忆阻器模型,对比了基于SNN架构的忆阻器模型与其他神经网络架构的优势。最后,在忆阻神经网络上进行硬件部署,利用忆阻器的特点实现网络计算和加速。

关键词： 类脑导航   同步定位和地图构建   经验地图   情景记忆   路径规划  

摘要： 移动机器人通过环境感知并做出决策实现所给定的任务,其自主导航的能力直接影响着它完成任务的效能。复杂环境对移动机器人的智能导航模型提出了严峻的挑战。尽管当前人工智能已经取得了很大的进展,但是智能导航与路径规划的探索之路仍有很长的距离要走。因此,本文借助哺乳动物发挥海马体认知、学习以及判断的能力,针对RatSLAM导航模型的局限性,提出了一种结合类脑认知理论、计算机建模与情景记忆的经验地图构建和路径规划方法,为类脑导航提出了新思路。本文首先以RatSLAM为基础,构建了类脑仿生导航模型。通过扫描线强度的视觉处理方法建立局部场景细胞,包含了环境信息并模拟人类对外界环境信息的处理过程;通过头朝向细胞与位置细胞表示移动机器人自身运动的相关信息;通过连续吸引子神经网络模型对自运动信息进行整合、选择以及积分等,形成移动机器人在环境中的位置表达。移动机器人对环境的感知是信息处理的第一步,原有的视觉处理方法完全取决于像素强度,会存在模型易受光照强度影响、闭环检测较多误匹配等问题,本文提出了先利用频率调谐显著算法使图像中的关键信息更加突出,再利用SURF特征匹配算法获取到移动机器人在环境中的方向与位置信息,从而提高导航精度与鲁棒性。受哺乳动物海马体情景记忆系统的启发,构建了情景记忆模型,该模型可以实现关于移动机器人在经验地图中的路径规划。同时提出将道路检测算法与情景记忆结合,用以对潜在的安全路径进行检测与判断,将检测到的安全路径与经验地图结合,可以实现移动机器人面向目标的路径最优规划。为了验证本文模型的可行性与有效性,本文在简单、复杂,室内、室外等环境下进行了多组试验。试验表明,与传统RatSLAM、基于SURF的RatSLAM模型相比,本文所提的方法轨迹精度最高;与未使用道路检测算法的情景记忆路径规划模型相比,本文所提的方法规划的路径最优。综上所述,本文算法在导航与智能方面达到了预期要求。

关键词： 阻塞性睡眠呼吸暂停   持续气道正压通气   认知功能障碍   脑类淋巴系统   引流功能  

摘要： 阻塞性睡眠呼吸暂停(Obstructive sleep apnea,OSA)是一种常见的睡眠相关呼吸障碍，其特征是睡眠中反复出现呼吸暂停和低通气，在临床很容易被误诊。最新的研究表明，OSA可以影响认知功能，是认知障碍的独立危险因素。然而，OSA和认知功能障碍之间的联系目前尚不明确。　　类淋巴系统被认为是一种清除脑内蛋白质和大分子的途径，是中枢神经系统的宏观废物清除系统，在大脑稳态的维持中起着关键性的作用。类淋巴系统的功能障碍可以减少代谢废物的清除，导致神经系统炎症和神经功能的紊乱。越来越多的研究证实，睡眠有利于类淋巴系统对脑内代谢废物的清除。然而，到目前为止，还没有能够定量评估类淋巴系统的流体动力学功能的影像学技术。　　持续气道正压通气(Continuous Positive Airway Pressure,CPAP)治疗是 OSA的一线治疗方法，是治疗OSA患者的金标准。研究证实，CPAP治疗可以减少OSA患者的低通气和呼吸暂停，降低OSA患者的血压，并改善其焦虑、抑郁的症状。然而，CPAP治疗改善OSA患者临床症状的机制尚不清楚。　　目的：　　开发能够评估类淋巴系统形态学改变和流体动力学功能的无创性磁共振成像(magnetic resonance imaging,MRI)方法，评估OSA患者类淋巴系统的功能和疾病严重程度之间的相关性，评价OSA患者的认知功能并探讨其认知功能下降和类淋巴系统功能受损之间的相关性，进一步评估接受CPAP治疗后的OSA患者的类淋巴系统的功能的改变。　　方法：　　1.纳入自2021年05月至2022年05月就诊于郑州大学第一附属医院神经内科的73名OSA患者，同时通过郑州大学第一附属医院体检中心招募同时期的56例正常对照作为研究对象。收集受试者的临床一般资料，包括性别、年龄和身体质量指数(body mass index,BMI)。使用简易智能状态评定表(mini-mental state examination,MMSE)评分和蒙特利尔认知评估量表(montreal cognitive assessment,MoCA)评分来评估认知功能，使用匹兹堡睡眠质量指数(pittsburgh sleep quality index,PSQI)评分和艾普沃斯嗜睡量表(epworth sleepiness scale,ESS)评分来进行睡眠评估。通过多导睡眠图(polysomnography,PSG)收集受试者的睡眠呼吸暂停低通气指数(apnea hypopnea index,AHI)、氧减指数(oxygen desaturation index,ODI)和最低氧饱和度(lowest oxygen saturation,LSaO2)以评估患者的睡眠质量。收集受试者在进行MRI和动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)扫描前后的收缩压、舒张压、心率、呼吸频率，大脑中动脉(middle cerebral artery,MCA)的博动指数以及颈内动脉(internal carotid artery,ICA)和颈外动脉(external carotid artery,ECA)的平均流速以排除血流动力学对脑类淋巴系统引流功能的影响;2.使用PSG捕捉患者的脑电图、双侧眼电图、表面肌电图、心电图、胸、腹壁运动，并同时通过对OSA患者使用脉搏血氧计监测其氧饱和度。根据AHI常用的临床临界值，和LSaO2常用的临床临界值将OSA组受试者分组;3.通过MRI检查，可视化血管周围间腔(perivascular spaces,PVSs)及脑室,进行脑类淋巴系统形态学改变的测量。对受试者额叶PVSs的相对面积占比、基底节PVSs的相对面积占比、双侧侧脑室的相对面积占比和第四脑室的相对面积占比进行统计学分析。通过受试者工作特征曲线(receiver operating characteristic,ROC)曲线探究额叶PVSs的相对面积占比、基底节PVSs的相对面积占比、双侧侧脑室的相对面积占比和第四脑室的相对面积占比的诊断敏感度和特异度。分析OSA患者脑类淋巴系统形态学改变和临床症状、认知水平和睡眠情况的相关性;4.通过DCE-MRI检查,监测脑实质毛细血管灌注和PVSs流体血流动力学模式，进行脑类淋巴系统引流功能改变的测量。使用K-means聚类分析定义不同组的DCE-MRI参数。对受试者不同组PVSs的浓度时间曲线(coentration-time curves,CTCs)的DCE-MRI参数值进行统计学分析。分析OSA患者脑类淋巴系统引流功能和病情、认知水平的相关性;5.收集CPAP治疗后的OSA患者，通过DCE-MRI检查

关键词： 大脑  

ISBN: (纸本)9787121453274

摘要： 本书介绍了一种新颖的类脑模型——大脑情感学习模型，并介绍了其学习算法、改进技术及应用。本书共9章，分为基础篇、改进篇和应用篇3篇。基础篇主要介绍大脑情感学习模型的研究现状、神经生理学基础与学习算法；改进篇主要介绍大脑情感学习模型的改进技术，通过加入监督学习和竞争学习机制改进模型性能；应用篇主要介绍将改进的大脑情感学习模型用于混沌时间序列预测、疾病诊断、表情识别及人机情感交互等领域的例子。

关键词： 仿生智能   仿生导航   情景认知   海马体   网格细胞  

摘要： 当前灾难救援成为智能机器人应用的重要场景,相关研究具有显著的经济和社会价值,而救援环境下机器人对环境感知和空间导航能力是有效执行任务的关键基础。然而现有机器人的感知和导航方法在复杂、动态、未知等救援环境中存在适应性、鲁棒性、自主性不足问题。相比之下人和高级哺乳动物具有卓越的感知和导航能力并表现出极大的灵活性,大脑海马区域能够将环境感知信息编码为神经放电信息并融合处理,进而将经历中特定时间、地点、事物和知识等因素联系起来形成情景认知记忆,并通过神经计算、经验回忆和学习训练来实现自我引导。本论文针对当前机器人感知和导航方法不能很好得适应救援环境的问题,通过模拟海马体及其附属结构的神经信息表达、感知融合、认知记忆、动态规划和自学习机制,围绕仿生空间认知、仿生情景认知、仿生导航等关键问题展开仿生智能算法研究。 论文首先针对机器人仿生空间定位问题,基于海马体中发现的空间导航细胞放电特性,提出使用环状吸引子网络构建能对运动方向和速率编码的头朝向细胞模型,并通过连续吸引子网络构建位置细胞和网格细胞模型,实现运动路径的整合。在此基础上提出使用边界细胞对网格细胞的锚定,使得路径积分随着时间和路程增加引起的累积误差得到校正。该研究实现模拟海马体神经机制的空间信息表达和定位,为开展情景认知和建图提供空间维度信息。 论文针对机器人仿生情景认知问题,基于自适应性共振理论网络,模仿海马体中椎体细胞的模式分离效应构建了非监督学习的情景认知模型,并将各类感知信息神经编码、融合、学习并建立具有时空维度的情景认知记忆节点,实现了环境信息的高度提炼。最后结合情景认知和空间认知信息共同构建可用于机器人导航的情景认知拓扑地图。 论文基于前两项研究实现的对环境认知定位和情景认知方法,开展了机器人仿生自主导航的问题研究:对于广域环境目标位置导航场景,根据情景认知地图兼具拓扑性和度量性的特点,结合网格细胞的神经矢量计算和基于海马体经验回放机制,提出了拓扑-矢量组合导航方法;对于在作业区间内自主引导的问题,模拟海马-纹状体神经回路构建一套基于情景认知的强化学习机器人自主导航算法。 为论证本文所提出的基于海马体细胞和机制的机器人仿生情景认知和自主导航方法有效性,在真实环境中开展了机器人建图和导航综合性能实验研究。实验分别对机器人仿生情景认知与建图性能、机器人仿生自主导航性能进行了检验。一方面,通过在弱纹理、维度缺失、动态干扰等环境中认知建图的效果进行了对比实验。另一方面,通过在复杂、动态等环境中机器人自主导航效果对比分析,验证仿生导航方法的适应性。 本文建立了基于神经细胞、神经回路到神经行为层面自下而上模仿海马体机制的机器人认知和导航方法,并应用到机器人实际任务中,实验验证了了该算法可以改善现有机器人感知和导航方面的存在的适应性和鲁棒性问题。本文提出的相关方法是对机器人导航领域新途径的有效探索。

关键词： 类脑神经计算   神经形态器件   纳流体忆阻器   人工突触   电动力学模型   神经网络  

摘要： 基于新型存储材料器件的神经拟态类脑计算,通过计算手段模拟人脑的层级结构以及神经突触架构,有望从根本上突破传统的冯·诺伊曼计算架构在面对人工智能（artificial intelligence,AI）应用场景中呈指数增长的数据与训练量时产生的“存储墙”、“功耗墙”等瓶颈。而神经形态器件作为实现这一架构的重要载体,其动态开关、超低功耗、模拟式存储等特性可以被充分优化以构建不同突触以及神经元电路。作为底层硬件基础,基于新材料新结构的神经形态器件设计使其从物理机制的层面上表达出更高的可塑性,为其具象化模拟大脑底层突触或神经元功能与架构打下基础,也更能适配不同类脑计算任务下的软硬件要求。 不同于传统的基于电子或离子与电子耦合驱动方式,本文提出一种全新的基于二维六方氮化硼（hexagonal boron nitride,h-BN）纳米通道中电解质离子输运调控的纳流体忆阻器。通过对材料选择、器件制备和性能量测方法优化等方面改善提升器件的稳定性和可靠性,并进一步通过电动力学物理模型对器件机理、忆阻性能的提升进行解释与验证。同时,结合器件的动态模拟电导调制机制,进一步研究模拟生物神经系统中的突触可塑性以及信号传递方式,并结合特定训练任务应用检验器件特性。主要的研究成果如下: 在器件层面,运用少层h-BN材料对纳米通道表面进行修饰,其独特的物理、化学特性,结合特定的纳米通道结构,在施加电场时可以获得近一个量级的电驱动力提升。具体地,将少层h-BN材料转移至纳米通道表面后,其高浓度的水解表面电荷密度（最高可达约600 m C/m2）对比二氧化硅（silica,Si O2）约50 m C/m2的表面电荷密度,可使通道壁面感应出更多电荷,从而极大地增强纳米通道内的单一极性离子流;同时,二维材料独特的原子级平整表面使离子流在壁面处产生滑移,进一步提升整体离子流速。该器件的忆阻特性对比Si O2纳流体忆阻器有量级式提升,器件擦写功耗（～24 p J）减小10～3倍,阻变速度（～20 ms）提升约30倍,常温下阻态保持时间超过4 000秒,各项参数指标均远优于其它目前已报道的纳流体忆阻器。 在理论模型层面,通过搭建纳米尺度下的流体电动力学模型来模拟施加扫描电压时器件内部的动态电导切换过程,从而对器件物理机制进行解释,并进一步从底层逻辑优化器件性能。具体地,将电场、稀物质传递场、层流场进行多物理场耦合,并且在方程中考虑表面张力对弯曲液面进一步形变的限制。同时,代入h-BN的材料特性,包括设置滑移的固液面边界条件等,之后在微分的时间步长内求解电场下的准静态离子流过程,对应纳米通道中界面运动的位移变化,从而演示整个电导切换过程。根据计算结果,基于h-BN修饰后的纳流体忆阻器,其纳米通道内最高离子流速计算达到7μm/s,远超同样结构下的Si O2纳流体忆阻器离子流速（0.9μm/s）的μ同时,也为基于h-BN器件中大幅减小的操作电压提供理论支持。 在突触功能与神经形态的应用层面,本文从生物突触的实际功能以及作用环境出发,结合所提出的基于h-BN纳流体忆阻器特有的、与生物系统兼容的、基于液相环境的电解质离子运输导致的电导切换现象,来阐述运用基于h-BN纳流体忆阻器来模拟生物突触功能的天然一致性和可塑性。根据一些研究广泛的生物突触功能,本文运用基于h-BN的纳流体忆阻器模拟了生物突触中的长短时程记忆切换现象,并从多种信号触发方式出发,结合器件实际界面运动机制,从理论和实验上验证了观测到的这种记忆切换与实际生物突触功能的相关性,并验证了h-BN材料的引入对这一现象的加强作用;进一步,本文从该器件的长时程记忆出发,对实际突触的可塑性功能与存储功能进行了模拟,并进一步构建了普通卷积神经网络（convolutional neural network,CNN）,以面向MNIST手写数字识别任务来检验其突触性能。最终将网络的识别能力提升到96.5%,并且大幅降低了器件操作功耗至24 pJ左右。