神经元网络的去同步控制与参数辨识研究

发布时间：2017-10-24 15:17

  本文关键词：神经元网络的去同步控制与参数辨识研究

  更多相关文章： 去同步控制 反馈控制 参数辨识 滞后同步 预期同步

【摘要】：大脑中的神经元通过突触相互连接构成了最复杂的非线性动力学网络之一，它们以同步的方式反映共同的突触流以完成对信息的处理和加工，最终实现认知、运动和记忆等复杂的大脑功能。可见，神经元集群的同步运动模式在神经系统中发挥着重要的作用。然而，研究表明并不是所有的同步都是有益的，例如过同步和超同步会引发癫痫和帕金森等神经性疾病。因此，提出合理的去同步控制策略对于治疗这类神经性疾病具有重要的意义。另一方面，由于生理实验难以实现，以神经元模型为研究对象的研究模式成为直观描述和了解神经元系统的主要手段。在神经元网络模型中，其参数和拓扑结构对系统动态有重要的影响，因此有必要对参数辨识问题进行研究。本为主要研究了神经元网络系统的去同步控制和神经元网络模型的参数辨识两个方面的问题。 在神经元网络去同步控制中，，提出了两种反馈控制技术。第一种是基于Washout滤波器的均场反馈控制方法。选用更加容易计算的Rulkov映射神经元模型为节点建立全局耦合、小世界和无标度三种神经元网络，对比分析了这一方法在三种不同的神经元网络去同步中的表现，并从理论分析和数值仿真两个角度给出了有效控制参数范围；第二种是动态时滞反馈控制方法。分别选择Rulkov映射神经元模型和Hindmarsh-Rose (HR)模型作为网络节点构建全局耦合的神经元网络模型进行数值仿真，仿真结果表明了该方法在神经元网络去同步控制中的有效性。所提出的这两种控制技术都不具备侵略性，即当神经元网络达到去同步状态时刺激信号趋于零。 在神经网络模型的参数辨识方面，提出了基于滞后同步和预期同步的自适应控制方法用于实现神经元动力学网络的参数估计。其主要思想是基于原有系统构建一个响应系统，设计自适应的控制方法，实现这两个系统的滞后同步或者预期同步，在这个过程中对系统参数和网络拓扑结构进行辨识。基于滞后同步和预期同步的辨识方法相比于之前提出的基于完全同步的辨识方法，更具有实用性。 准确的参数估计方法有助于建立更加贴近现实的神经元模型，为揭示神经元及其网络的工作机制和分析神经元放电模式及同步活动的动力学行为提供模型；而合理的去同步控制策略的提出为病态同步导致的神经系统疾病的有效控制提供了思路。
【关键词】：去同步控制 反馈控制 参数辨识 滞后同步 预期同步
【学位授予单位】：天津职业技术师范大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：R338;TP273
【目录】：

• 中文摘要4-5
• Abstract5-9
• 第1章 绪论9-12
• 1.1 引言9
• 1.2 研究背景9-10
• 1.3 研究意义10
• 1.4 主要工作10-11
• 1.5 内容安排11-12
• 第2章 文献综述12-18
• 2.1 神经元模型12-13
• 2.2 神经元网络模型13-14
• 2.3 网络的同步与去同步控制14-17
• 2.3.1 同步的提出及发展14-15
• 2.3.2 神经元系统中的同步现象15-16
• 2.3.3 神经元系统的去同步控制16-17
• 2.4 神经元网络模型的参数辨识17-18
• 第3章 基于 Washout 滤波器的映射神经元去同步反馈控制18-30
• 3.1 引言18-19
• 3.2 基于 Washout 滤波器的均场反馈控制器设计19-20
• 3.3 Rulkov 映射神经元模型20-21
• 3.4 结果21-29
• 3.4.1 仿真结果21-25
• 3.4.2 理论结果25-29
• 3.5 本章小结29-30
• 第4章 基于动态时滞反馈控制的全局耦合神经元集群去同步30-38
• 4.1 问题陈述及控制器设计30-33
• 4.1.1 神经元模型30-31
• 4.1.2 动态时滞反馈控制器的设计31-33
• 4.2 仿真结果与分析33-37
• 4.2.1 HR 神经元集群的去同步结果33-35
• 4.2.2 Rulkov 映射神经元集群的去同步35-37
• 4.3 本章小结37-38
• 第5章 基于滞后同步的神经元网络的参数辨识38-50
• 5.1 引言38-39
• 5.2 预备知识39-40
• 5.3 非延迟状态下的神经元网络40-43
• 5.4 延迟状态下的神经元网络43-45
• 5.5 仿真结果45-49
• 5.5.1 无延迟状态下的拓扑结构和参数辨识45-47
• 5.5.2 延迟状态下的参数和拓扑结构辨识47-49
• 5.6 本章小结49-50
• 第6章 基于预期同步的延迟状态下神经元网络的参数辨识50-59
• 6.1 引言50-51
• 6.2 预备知识51-52
• 6.3 延迟状态下复杂动态网络52-54
• 6.4 仿真结果54-58
• 6.5 本章小结58-59
• 第7章 总结与展望59-60
• 7.1 工作总结59
• 7.2 工作展望59-60
• 参考文献60-68
• 致谢68-69
• 申请学位期间发表的论文及参与科研情况69-70

【参考文献】

中国期刊全文数据库 前1条

1 杜艳梅,彭建华,刘延柱;Fitz Hugh-Nagumo神经元网络的同步振荡与联想记忆[J];力学季刊;2005年01期

中国博士学位论文全文数据库 前1条

1 于海涛;神经元网络的同步、共振及控制研究[D];天津大学;2012年

本文编号：1089326