扩展自适应脉冲神经P系统的研究与应用

发布时间：2021-10-05 10:21

　　随着计算机技术和生物科学技术的不断发展,大自然为人类构建新的计算模型提供了丰富的思想源泉。众所周知,人类大脑是自然界中计算能力最强的生物计算机,人脑中含有上千亿个神经元,且每个神经元并不是独立的个体,它们之间通过突触高度互联,进而构成了复杂的神经网络结构。通过模拟人脑神经元的连接方式以及信息处理方式,一系列的神经型计算模型被相继提出,如人工神经网络、脉冲神经P系统等。人工神经网络最主要的特点就是自主学习环境中的知识,并不断改进自身的性能,它在神经计算理论方面和生产应用方面都取得了巨大的成就。脉冲神经P系统自提出以来,凭借着其强大的计算能力,也广泛应用在生物科学、计算机科学、图像识别等领域。而同为受人类大脑神经系统启发得到的计算模型,脉冲神经P系统与人工神经网络有着相似的拓扑结构。因此研究脉冲神经P系统的“认知和学习”能力具有重要理论意义和应用价值。从理论方面来说,（1）本文首先提出了一种新型的脉冲神经P系统即扩展自适应脉冲神经P系统,对神经元的内容、系统的结构以及突触上的规则集进行了改进。通过模拟注册机,静态证明了构造的新型P系统无论在产生模式下还是接受模式下都是图灵可计算的。（2）为... 

【文章来源】：山东师范大学山东省

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

人工神经网络的基本数学模型

本文的研究框架

模拟ADD指令：li:(ADD(r),lj,lk)

【参考文献】：
期刊论文
[1]基于人工神经网络的数字识别[J]. 史兴宇,邓洪敏,林宇锋,安旭骁.  计算机应用. 2017(S1)
[2]互学习神经网络训练方法研究[J]. 刘威,刘尚,白润才,周璇,周定宁.  计算机学报. 2017(06)
[3]A Fault Diagnosis Method of Power Systems Based on an Improved Adaptive Fuzzy Spiking Neural P Systems and PSO Algorithms[J]. WANG Jun,PENG Hong,TU Min,Prez-Jimnez J. Mario,SHI Peng.  Chinese Journal of Electronics. 2016(02)
[4]Spiking neural P systems with neuron division and budding[J]. P■UN Gheorghe,PREZ-JIMNEZ Mario J..  Science China（Information Sciences）. 2011(08)
[5]脉冲神经膜系统在穷举使用规则下产生的二进制字符串语言[J]. 江赟,石晓龙,张征.  计算机学报. 2009(12)
[6]脉冲神经膜计算系统的研究进展及展望(英文)[J]. 潘林强,张兴义,曾湘祥,汪隽.  计算机学报. 2008(12)
[7]神经网络用于模式识别的几种主要方法及比较[J]. 许延伟,刘希玉.  信息技术与信息化. 2005(04)

博士论文
[1]脉冲神经膜系统的计算性质与应用研究[D]. 宋弢.华中科技大学 2013
[2]基于一维SOM神经网络的聚类及数据分析方法研究[D]. 于鷃.天津大学 2009
[3]脉冲神经膜系统的计算能力研究[D]. 张兴义.华中科技大学 2009

硕士论文
[1]无监督特征学习结合神经网络应用于图像识别[D]. 敖道敢.华南理工大学 2014



本文编号：3419543