导读:本文包含了大脑神经元网络论文开题报告文献综述及选题提纲参考文献，主要关键词:认知,神经元,序列记忆,决策
大脑神经元网络论文文献综述
张冲[1]（2018）在《基于大脑神经元序列记忆决策网络模型的研究及应用》一文中研究指出对机器运用仿人类大脑的智能一直是人工智能领域前沿的研究方向,然而通过对认知神经学和电生理学等交叉学科的研究,可以灵活的运用物理,数学等工程性的学科来更加具体化分析大脑如何去运行,随着时代的发展,技术的不断进步,可以系统的运用数学和生物模型来模仿大脑的运行机制,去建立一个系统的计算模型去运用在机器上,使得机器更加智能化,人性化。根据大脑的记忆模式和决策原理,从生物神经学的角度出发建立了一个长时序列记忆决策模型。列举一个简单的实例,运用这个模型对飞行器机群的多目标进行协同训练,使得无人机自主的进行学习调整,借鉴之前记忆的经验使得控制最优化。用以阐明这个新的网络模型更加智能化的特点。本文分别从以下进行展开:第一部分着重介绍了本文研究的背景,国内外的研究状况,认知神经学与电生理学中对大脑的运行方式的研究,本文的研究思路和内容。然后介绍了要建立模型所需要的一些生物学基础知识和基本概念,这些内容主要包括认知神经科学的简介,大脑神经元的工作原理,神经信号的传输,神经递质的传递,电生理知识,大脑的记忆分类和存储,以及进行决策选择的工作原理。根据神经生物学结论构建序列记忆神经网路结构,并建立对应的神经动力学模型,分析了不同神经元模块对序列记忆的作用,然后通过仿真计算将序列记忆进行呈现说明。构建了基于竞争的大脑主动意识决策神经网络结构,并建立了生物动力学模型,分析了主动意识和刺激反应之间的竞争机制。最后通过仿真对多模式决策竞争进行解释说明。最后研究了情景记忆在主动意识决策中的作用。该部分将序列记忆网络模型和大脑决策神经网络模型进行整合得到一种新的基于序列记忆决策神经网络模型,该模型将情景记忆作为主动意识决策的Top-down控制信号,实现主动意识决策。然后列举将基于记忆决策模型控制方法应用多飞行器控制实例,说明该模型的智能化。(本文来源于《南京信息工程大学》期刊2018-06-01）
吕志松[2]（2015）在《大脑神经元网络发育过程的物理模型》一文中研究指出近年来,随着神经元网络研究的发展,科学家们普遍认为神经元网络是复杂网络,实验给出了在一定初始培养密度下突触数目的饱和时间,同时也有理论表明形成突触的神经元之间的距离呈幂律分布。在本文中,我们用复杂网络的思路研究了大脑神经元网络的生长发育过程。第一章,简要回顾复杂网络、大脑神经元网络及大脑功能网络的背景知识。第二章,以日本科学家的体外培养神经元实验为基础,依据神经元的基本生物特征,我们建立神经元网络生长发育模型,模拟不同初始培养密度和不同培养尺寸下神经元网络的性质与特点。第叁章,模拟结果表明,我们的模型成功再现了体外培养条件下神经元网络生长过程。模拟所得到的突触数目饱和时间与体外条件下培养实验结果基本一致。同时,神经元密度随时间而减小,最终趋于稳定值。我们找到了突触数目饱和时间与体外条件下培养实验结果基本一致所要求的参数条件。我们模拟得出的结果是:(1)神经元密度随培养时间下降,达到一定天数后,密度将趋于稳定不变;(2)神经元之间突触数目随培养时间增加,之后达到饱和,并且饱和时间与实验观测结果基本吻合;(3)对形成突触的神经元之间的距离进行统计分析,发现在体外生长情况下,在能与实验突触饱和时间相吻合的参数范围内,并没有发现Karbowski所预言的幂律距离分布,而是发现了指数衰减的距离分布规律。其中,(1)和(2)所得的结果与实验中所得到的结论相一致,第(3)条结果期望在未来的生物实验中得到验证。第四章,对全文进行了总结,对当前模型不足之处做出了分析。(本文来源于《南京航空航天大学》期刊2015-06-01）
荣欣[3]（2010）在《大脑神经元网络的自组织临界性模型》一文中研究指出研究者们认为,大脑工作在自组织临界态(SOC)。其主要特征表现在放电神经元的雪崩规模分布呈现幂律分布。一些理论和实验还表明,神经元网络具有小世界网络的特性。本文中,我们用复杂网络的方法研究大脑神经元网络中的自组织临界性。本文第一章介绍了复杂网络的起源、基本的网络模型、自组织临界性概念以及在大脑神经元网络中自组织临界性的特征。在第二章中,我们在前人二维方格子模型的基础上,假设神经元之间以WS小世界网络的拓扑关系相连,增大网络的平均度为8和16,选用上下固定左右周期性的边界条件,采用整合-放电机制来描写神经元的活动。考虑神经元活动的叁个特征:阈值放电、神经元的不应期和突触重连。根据实验提示,我们的模型还引入神经元放电阈值的差异性及神经元放电快过程和突触重连慢过程这两个时间尺度的竞争。对于小世界网络不同的断边重连概率(0.3-0.9),以及较大的突触重连周期范围(1,105),神经元放电的雪崩规模分布呈现幂律分布。我们的神经元网络模型再现了自组织临界性,而且我们发现神经元放电阈值的差异性有利于产生自组织临界性;突触重连周期越长,越有利于产生自组织临界性。这为我们进一步探讨大脑神经元网络提供了新的途径。第叁章中,我们在Karbowski和He等人研究的启发下,建立了一个按距离衰减概率加边的二维(2D)小世界神经元网络模型。从一个二维方格子出发,按节点间距离衰减概率加边的方法构成小世界网络。加边概率为p ij ~ rij,其中ri j是任意两个节点i和j之间的几何距离,δ是衰减指数,加边过程在最大加边长度C限制下进行。在模型中,我们考虑节点放电阈值的差异性以及突触重连的差异性。数值模拟结果显示,考虑引入的叁种差异性-拓扑结构差异性、神经元放电阈值的差异性以及突触重连时间尺度的差异性,我们得到了神经元放电雪崩规模分布的幂律分布,幂律指数在-1.5左右,和实验观察到的结果相吻合。我们的模型可以成功地描述神经元网络中存在的自组织临界性现象。(本文来源于《南京航空航天大学》期刊2010-12-01）
大脑神经元网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,随着神经元网络研究的发展,科学家们普遍认为神经元网络是复杂网络,实验给出了在一定初始培养密度下突触数目的饱和时间,同时也有理论表明形成突触的神经元之间的距离呈幂律分布。在本文中,我们用复杂网络的思路研究了大脑神经元网络的生长发育过程。第一章,简要回顾复杂网络、大脑神经元网络及大脑功能网络的背景知识。第二章,以日本科学家的体外培养神经元实验为基础,依据神经元的基本生物特征,我们建立神经元网络生长发育模型,模拟不同初始培养密度和不同培养尺寸下神经元网络的性质与特点。第叁章,模拟结果表明,我们的模型成功再现了体外培养条件下神经元网络生长过程。模拟所得到的突触数目饱和时间与体外条件下培养实验结果基本一致。同时,神经元密度随时间而减小,最终趋于稳定值。我们找到了突触数目饱和时间与体外条件下培养实验结果基本一致所要求的参数条件。我们模拟得出的结果是:(1)神经元密度随培养时间下降,达到一定天数后,密度将趋于稳定不变;(2)神经元之间突触数目随培养时间增加,之后达到饱和,并且饱和时间与实验观测结果基本吻合;(3)对形成突触的神经元之间的距离进行统计分析,发现在体外生长情况下,在能与实验突触饱和时间相吻合的参数范围内,并没有发现Karbowski所预言的幂律距离分布,而是发现了指数衰减的距离分布规律。其中,(1)和(2)所得的结果与实验中所得到的结论相一致,第(3)条结果期望在未来的生物实验中得到验证。第四章,对全文进行了总结,对当前模型不足之处做出了分析。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
大脑神经元网络论文参考文献
[1].张冲.基于大脑神经元序列记忆决策网络模型的研究及应用[D].南京信息工程大学.2018
[2].吕志松.大脑神经元网络发育过程的物理模型[D].南京航空航天大学.2015
[3].荣欣.大脑神经元网络的自组织临界性模型[D].南京航空航天大学.2010