基于非线性格兰特因果性的生物神经元网络结构辨识方法研究

发布时间：2020-03-28 19:09

【摘要】：生物神经元网络(Biological Neural Network,BNN)是一个异常复杂的动力学非线性网络系统。探明生物神经元网络的功能性连接图谱、深入研究生物神经元网络结构对其网络功能的支配关系,是脑科学研究的一个重要领域。将针对神经元脉冲点火的本质非线性动态特性,将线性格兰特因果性建模与因果性辨识的思想推广至非线性空间中,采用径向基函数(Radial Basis Function,RBF)拟合生物神经元网络非线性多变量动态响应特性,通过检测对后突触神经元脉冲点火信号的预测精度是否改善,揭示来自前突触神经元的功能性连接作用,从而探明所研究的生物神经元网络的有向信息流分布。为验证所提出方法的有效性,将非线性格兰特因果性网络结构辨识法应用在基于积分点火(Integrate-and-Fire,IF)机制的脉冲神经元网络(Spiking Neural Network,SNN)仿真模型的网络结构发现过程。主要工作内容如下:(1)对生物神经网络进行建模和仿真。主要通过人工构造生物真实性的SNN模型来模拟真实的神经元放电行为。首先,建立基于IF机制的SNN模型;然后,确定模型中的参数,并对一个神经元和多个神经元网络进行仿真。SNN模型来模拟真实生物神经元在接受刺激时的放电行为,并通过网络仿真产生多通道脉冲神经元序列数据。(2)用非线性格兰特因果性的方法辨识网络结构。利用脉冲神经元网络仿真所产生的多通道脉冲神经元序列数据,反向辨识出网络中存在的因果性突触连接和强度。利用RBF拟合非线性模型,将经典格兰特因果思想扩展到非线性空间,通过比较神经元之间相互作用的因果关系,判断它们之间的因果影响,从而对生物神经元网络进行结构辨识。(3)通过MATLAB仿真得到辨识结果。采用线性格兰特因果方法和基于RBF的非线性格兰特因果方法分别来辨识相同的生物神经网络结构,辨识结果表明:对于2个节点、3个节点、4个节点、5个节点、6个节点个节点的小规模网络,10个节点、15个节点、20个节点、25个节点、30个节点个节点的中规模网络,50个节点、60个节点、80个节点、100个节点的大规模网络,非线性格兰特因果性方法10轮的平均辨识正确率显著高于同规模网络的线性格兰特因果性辨识方法的辨识正确率。
【图文】：

神经科学,国别,领域专家

虽然和美国相比还有些不足，但明显超过除去美国的其他国家。具体比例如图1-1 所示：图 1-1 脑科学、神经科学领域专家国别统计Fig 1-1 Brain science, neuroscience experts country statistics而对于研究脑科学、神经科学的企业数量中，第一位的美国企业占据了37%，而我国则是只有 7%，比第二位的日本还要少 500 家左右，如图 1-2 所示。各国在脑科学、神经科学领域的侧重上，我国的发展状况主要以脑科学、神经科学领域的应用为主，而日本、德国和美国等都基本侧重于技术原理的研究。图 1-2 脑科学、神经科学领域企业国别统计Fig 1-2 National statistics of enterprises in the field of brain science and neuroscience

神经科学,国别,领域,企业

图 1-1 脑科学、神经科学领域专家国别统计Fig 1-1 Brain science, neuroscience experts country statistics对于研究脑科学、神经科学的企业数量中，第一位的美国企业占据而我国则是只有 7%，，比第二位的日本还要少 500 家左右，如图 1-2国在脑科学、神经科学领域的侧重上，我国的发展状况主要以脑科学领域的应用为主，而日本、德国和美国等都基本侧重于技术原理的
【学位授予单位】：内蒙古工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：Q42;TP183

【参考文献】