课程文献中心 更多>>

关键词： 全脑辐照   血清   神经化学物质   生物标志物  

摘要： 为了对全脑辐照诱导神经损伤后的大鼠血进行外周血中神经化学物质类生物标志物的筛选,采用前期建立的血清中神经化学物质的化学衍生-超高效液相色谱-串联质谱分析方法,对不同全脑辐照剂量(0、10、30 Gy)和分次累积辐照(10 Gy×3)大鼠血清中42种神经化学物质的浓度进行了测定并进行了基于靶向代谢组学策略的统计学分析.单变量统计分析结果表明,辐照组(10、30、10 Gy×3)中去甲肾上腺素、乙酰胆碱、γ-氨基丁酸、酪胺、谷氨酸、酪氨酸、色氨酸、褪黑素、α-丙氨酸和甘氨酸的含量显著(p<0.05)低于对照组(0 Gy),而乙酰胆碱和褪黑素的浓度变化趋势相反(p<0.05).同时发现10 Gy×3组中神经化学物质含量的变化程度低于30 Gy组,表明分次累积辐照造成的神经化学物质扰动程度较同剂量的单次辐照低;通过结合多变量统计OPLS-DA模型分析中的变量重要性投影(VIP)值,本研究筛选出乙酰胆碱、谷氨酸、酪胺和褪黑素(p<0.05,VIP>1)可作为全脑辐照诱导神经损伤的潜在生物标志物.

关键词： 脉冲耦合神经网络   分解模型   图像增强  

摘要： 脉冲耦合神经网络分解模型对于夜间光线复杂情况下的图像增强,容易出现严重的振铃现象。针对这一问题,文章对夜间图像增强进行了研究,通过指数变换对夜间图像进行预处理,结合脉冲耦合神经网络分解模型进行图像增强。实验结果表明,该方法可以实现对夜间图像的增强,增强后的图像细节清晰,整体光线较为柔和,图像对比度适中,降低了振铃现象造成的影响。

关键词： 多尺度   网格细胞   头朝向细胞   吸引子网络模型   路径整合  

摘要： 针对类脑机制下空间位置自主推算问题,提出一种基于新型叠加算法的路径整合模型,通过引入多尺度网格细胞提高路径整合结果的准确性。在路径整合模型中,基于吸引子网络构建网格细胞与头朝向细胞模型,通过头朝向变化量来判断运行体的运行状态,完成不同运动的整合过程;采用动态权重值分别计算直线运动与曲线运动过程中多尺度网格细胞的位移变化量,提高路径整合的精度。仿真结果表明,单一尺度与多尺度网格细胞路径整合模型都能够完成路径整合,且在3000m的距离内,多尺度网格细胞模型误差不超过15m,证明了多尺度网格细胞模型能够提高路径整合的精度,验证了该路径整合模型的有效性。

关键词： 脉冲神经网络   脉冲神经元模型   学习算法   类脑神经形态芯片   数字电路  

摘要： 在类脑人工智能高速发展、电磁环境日益复杂的现状下,最具有仿生特性和抗干扰性的脉冲神经网络在计算速度、实时信息处理、时空数据处理上表现出巨大的潜能。脉冲神经网络是类脑人工智能的核心之一,通过模拟生物体神经网络结构和信息传递方式来实现类脑计算。本文首先总结五种神经元模型的优缺点和适用性,分析五种网络拓扑结构的特征;其次综述脉冲神经网络算法,从无监督学习和有监督学习两个角度总结基于突触可塑性规则的无监督学习算法和四类监督学习算法;最后重点综述国内外在研的类脑神经形态芯片。本文旨在通过系统性的总结,为初入脉冲神经网络研究领域的同行提供学习思路和研究方向。

关键词： 单脉冲雷达   故障预测   ARIMA   神经网络  

摘要： 单脉冲雷达设备目前采用的计划式维护模式过于依靠人力资源,也不能完全避免设备故障造成的巨大损失,已经越来越难以满足航天测控领域的实际应用需求;基于单脉冲雷达设备使用维护现状,文章研究了故障预测技术在单脉冲雷达设备维护的应用可行性,总结出了单脉冲雷达设备故障预测的基本流程与方法,并结合工程实际分别使用ARIMA时间序列分析和神经网络验证了单个参数劣化过程的预测与系统级劣化过程的预测,预测结果满足设备使用维护需求。

关键词： 科研团队   摩尔定律   智能科学   重庆大学   智能感知   半导体器件   人工智能   物理极限  

摘要： “如果在未来10年中,scaling(尺寸缩小)走到了尽头,我也不会觉得意外。”--提出这一观点的,恰恰是摩尔定律的提出者戈登·摩尔。在集成电路产业界,摩尔定律一直被奉为“金科玉律”。然而,随着半导体器件的特征尺寸趋近物理极限,“摩尔定律已接近尾声”的说法正被行业接受。当人类步入后摩尔时代,人工智能这一世界最重要的技术领域之一该向何处去?在国际环境日趋复杂的情况下,我国智能领域的头部企业该如何应对无先进工艺可用的时代挑战?这是我国相关领域科学家亟待解决的问题,也是重庆大学类脑感知与普适智能科学研究院院长(简称“重庆大学类脑研究院”)周喜川及其同伴们最为关注的问题。

关键词： 负荷聚类   负荷预测   解耦机制   脉冲神经网络  

摘要： 为解决配电网供电分区负荷特性因用电结构与用户用电习惯差异呈现多样性,导致泛化的预测模型难以提供满意计算精度,以及新投运配变由于缺乏历史数据积累,无法为机器学习提供大量训练样本的问题,提出了一种多级负荷聚类和解耦机制的短期负荷预测方法。首先,进行基于变电站用电量以及台区用户用电特性差异的多级负荷特性聚类。随后,对不同聚类配变构建基于脉冲神经网络的短期负荷预测模型,并采用负荷标幺曲线和基准值分开预测的解耦机制应对新投运配变的小样本问题。最后,综合分类预测结果得到日负荷预测曲线。实例证明该方法能实现负荷预测的精细化,并减小新投运配变的预测误差影响,改善了综合预测结果。

关键词： 类脑计算   科技自立自强   锻长板   新型举国体制  

摘要： 新一轮科技革命催生的未来技术和新兴产业的国际竞争愈演愈烈。为实现中长期、可持续、动态化的科技自立自强,在攻克关键少数"卡脖子"领域的同时,更需要对未来技术和产业"锻长板",防范新一轮"卡脖子"问题,助推中国产业结构转型升级。作为被国际半导体协会认定为后摩尔时代最具发展潜力的颠覆性计算技术之一,类脑计算有望引领人工智能从专用走向通用阶段。目前,中国类脑计算技术已拥有局部优势,有望成为未来集成电路和人工智能领域的关键"长板",也为解决高端芯片"卡脖子"问题提供了"换道超车"的新路径。未来,应加快构建支持前沿技术创新的新型举国体制,有效推动类脑计算实现技术和产业化突破。

关键词： 脉冲神经网络   类脑智能   多尺度神经可塑性   认知计算  

摘要： 脉冲神经网络(Spiking Neural Network,SNN)包含具有时序动力学特性的神经元节点、稳态-可塑性平衡的突触结构、功能特异性的网络环路等,高度借鉴了生物启发的局部非监督(如脉冲时序依赖可塑性、短时突触可塑性、局部稳态调节等)、全局弱监督(如多巴胺奖赏学习、基于能量的函数优化等)的生物优化方法,因此具有强大的时空信息表征、异步事件信息处理、网络自组织学习等能力.SNN的研究属于交叉学科,将深入融合脑科学和计算机科学,因此对其研究也可以主要分为两大类:一类是以更好地理解生物系统为最终目的;另一类是以追求卓越计算性能为优化目标.本文首先对当前这两大类SNN的研究进展、研究特点等进行分析,重点介绍基于Spike的多类异步信息编码、基于Motif分布的多亚型复杂网络结构、多层时钟网络自组织计算、神经形态计算芯片的软硬结合等.同时,介绍一种融合生物多尺度、多类型神经可塑性的高效SNN优化策略,使得SNN中的信度分配可以从宏观尺度有效覆盖到微观尺度,如全部的网络输出、网络隐层状态、局部的各个神经节点等,并部分解答生物系统是如何通过局部参数的调优而实现全局网络优化的问题.这将不仅为现有人工智能模型提高其认知能力指明一种可能的生物类优化方向,还为反向促进生命科学中生物神经网络的可塑性研究新发现提供启发.本文认为,脉冲神经网络的发展目标不是构建人工神经网络的生物版本替代品,而是通过突破生物启发的多尺度可塑性优化理论,去粗取精,最终实现具有生物认知计算特色的新一代高效脉冲神经网络模型,使其有望获得更快的学习速度、更小的能量消耗、更强的适应性和更好的可解释性等.

关键词： 中枢神经系统   信息处理   大脑量化模型  

摘要： 通过分析2011—2020年广州市2万余个科技项目的管理数据,对脑科学和类脑研究领域可能产生突破的细分研究方向、技术路线、应关注的问题进行讨论,探讨广州市脑科学和类脑研究领域的科技项目布局优化策略。