基于STDP机制的脉冲神经网络自组织功能研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61305077
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    22.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0601.人工智能基础
  • 结题年份:
    2016
  • 批准年份:
    2013
  • 项目状态:
    已结题
  • 起止时间:
    2014-01-01 至2016-12-31

项目摘要

Recently spiking neural networks attract more and more research interest in artificial neural network field. These kind of neural networks encode information in the timing of single spikes, and not only just in their average firing frequency. Hence, they can encode more information. Spiking neural networks are more computational powerful and biologically more realistic in parallel processing pattern. Synaptic modification rule of STDP (Spike-timing-dependent plasticity) makes Heb learning more accurate and is known to be closely related to learning and memory process of brain function. In this project, how STDP dynamically regulates spiking neural network structure and the cooperative activity between neurons will be studied. It will be useful to the design of better adaptive neural network and the application of spiking neural network. Moreover, the project will try to determine spiking neural network with specific function, that is the input-output relation of the network will not alter with the change of internal structure. It will make preparations for the implementation of adaptive circuit.
最近几年来,人工神经网络的研究重点逐渐转向更具生物真实性的脉冲神经网络。脉冲神经网络采用脉冲编码(spike coded)而非频率编码,因此这种新型的神经网络可以获得更多的信息和具备更强的计算能力,而且在分布式计算更好的模拟了生物神经网络的处理方式。STDP突触可塑性机制是一种时间窗口非对称形式的Hebbian 学习,使Hebb学习算法更为精确,被认为与学习、记忆的神经网络机制密切相关。本课题研究基于STDP机制的脉冲神经网络,旨在提取不同结构脉冲神经网络中STDP机制对网络的调控规律,包括STDP机制对网络结构的动态调节,对神经元之间的协同作用的调节,为构造新型的自组织神经网络以及脉冲神经网络的具体应用打下基础;利用STDP自适应调节机制,构造输入-输出关系不随内部拓扑结构改变而改变的脉冲神经网络,为实现自组织功能电路做准备。

结项摘要

近年来,人工神经网络的研究重点逐渐转向脉冲神经网络,与传统神经网络相比,该网络考虑了神经元的时间编码,且更符合生物神经网络的特点。基于STDP突触可塑性的脉冲神经网络可模拟生物神经网络的信息处理机制,以学习生物神经网络的自组织功能。本项目构造并研究了基于STDP机制的不同网络结构的脉冲神经网络模型,提取了不同结构脉冲神经网络中STDP机制对网络的调控规律,发现STDP机制可促进前馈结构脉冲神经网络中神经元集群的同步;在STDP机制下,网络规模及连接概率会影响神经元集群放电特性及同步特性,网络规模较小时,低连接概率和全连接模式下网络神经元同步放电状态较好,网络规模较大时,高连接概率的网络同步放电活动较好;在STDP机制的调节作用下,噪声激励有助于改善同步性较差的神经元集群,抑制同步性较好的集群,使整个网络的同步放电活动更加一致,提高网络同步放电活动的鲁棒性,揭示了突触可塑性是影响生物自适应抗扰特性的重要因素,为借鉴生物神经网络的信息处理机制而构造新型的自组织神经网络以及脉冲神经网络的具体应用打下了基础;利用STDP可塑性的调节作用,构造了输入-输出关系不随内部拓扑结构改变而改变的脉冲神经网络,并进行了网络模型的抗扰仿真分析,当网络中间层部分神经元被损伤时,网络的输出频率能够基本维持不变,该研究有助于提高电路自适应抗扰能力以及设计实现自组织功能电路。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(0)
Comparative analysis of bacterial essential and nonessential genes with Hurst exponent based on chaos game representation
基于混沌博弈表示的细菌必需和非必需基因与Hurst指数的比较分析
  • DOI:
    10.1016/j.chaos.2014.10.003
  • 发表时间:
    2014-12
  • 期刊:
    Chaos Solitons & Fractals
  • 影响因子:
    7.8
  • 作者:
    Qian Zhou;Yong-Ming Yu
  • 通讯作者:
    Yong-Ming Yu
Information dimension analysis of bacterial essential and nonessential genes based on chaos game representation
基于混沌博弈表示的细菌必需与非必需基因信息维数分析
  • DOI:
    10.1088/0022-3727/47/46/465401
  • 发表时间:
    2014-11
  • 期刊:
    Journal of Physics D: Applied Physics
  • 影响因子:
    --
  • 作者:
    Qian Zhou;Yong-Ming Yu
  • 通讯作者:
    Yong-Ming Yu
基于混沌游戏图形表示的细菌必需基因与非必需基因的Hurst指数特征对比分析
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    北京理工大学学报
  • 影响因子:
    --
  • 作者:
    周茜;孙逸飞;徐桂芝
  • 通讯作者:
    徐桂芝
基于脉冲时间依赖可塑性的自适应神经网络抗扰能力研究
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    生物医学工程学杂志
  • 影响因子:
    --
  • 作者:
    周茜;郭苗苗;郭磊;万晓伟
  • 通讯作者:
    万晓伟

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

科研数据再利用过程模型研究
  • DOI:
    10.16353/j.cnki.1000-7490.2021.06.009
  • 发表时间:
    2021
  • 期刊:
    情报理论与实践
  • 影响因子:
    --
  • 作者:
    宋秀芬;周茜;李立睿;魏银珍
  • 通讯作者:
    魏银珍
云计算下基于信任的防御系统模型
  • DOI:
    --
  • 发表时间:
    2011
  • 期刊:
    计算机应用
  • 影响因子:
    --
  • 作者:
    周茜;于炯
  • 通讯作者:
    于炯
基于粗糙集分类一致性的规则挖掘算法研究——以IT外包中知识转移风险为例
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    计算机工程与应用
  • 影响因子:
    --
  • 作者:
    卢新元;高沛然;周茜
  • 通讯作者:
    周茜
中心城区E类用地中的廊道空间生态规划方法
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    规划师
  • 影响因子:
    --
  • 作者:
    邢忠;余俏;周茜;乔欣;卓子
  • 通讯作者:
    卓子
真空紫外光解SO32-高效还原降解全氟辛烷磺酸
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    环境污染与防治
  • 影响因子:
    --
  • 作者:
    宋洲;周茜;方晓青
  • 通讯作者:
    方晓青

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码