导读:本文包含了单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:RBF神经网络,单神经元,PID控制,直流变换
单神经元网络论文文献综述
刘学文,任兴贵,徐定杰[1]（2019）在《基于RBF神经网络单神经元PID控制的恒功率直流变换研究》一文中研究指出随着可再生清洁能源太阳能和风能的广泛应用,孤岛式微型直流电网被用于偏僻的地区和一些孤立的海岛。这些地方的特征往往是随着大气的不规律特性,造成太阳能和风能发电系统的非线性特征非常明显,并且二次端直流负载的接入与断开的随机性也比较大,容易引起微型电网的波动。为不影响其他用电设备的正常工作,恒功率直流变换是一种合适的解决方案。本论文提出的基于RBF神经网络在线辨识的单神经元PID控制的直流变换,结合了普通PID控制结构简单和神经网络非线性系统自适应性强的双重优点,解决了二次直流负载端稳定的直流电源供电问题。(本文来源于《自动化与仪器仪表》期刊2019年08期）
周晓虎,楼美琪,张学敏,孙宇,张小航[2]（2019）在《基于神经元网络的热暴露对TC4钛合金拉伸性能影响预测》一文中研究指出对TC4钛合金热处理态、200、400和500℃热暴露不同时间的拉伸性能进行了研究,并利用BP人工神经元网络方法建立了不同温度与时间热暴露下试样拉伸性能的预测模型。结果表明:大多数热暴露与拉伸测试条件下合金的强度与塑性性能并未发生严重的恶化,热暴露前后试样拉伸塑性的差值大多在±7.5%左右波动,断面收缩率最多降低了约13%。对所建立的BP人工神经网络模型预测精度的分析表明,当隐含层神经元个数为11时,该模型的预测效果最佳。该模型能够很好地预测TC4合金不同热暴露条件下拉伸性能的变化。(本文来源于《热加工工艺》期刊2019年14期）
刘学文,任兴贵,徐定杰[3]（2019）在《基于RBF神经网络单神经元PID控制在低压直流变换中的应用研究》一文中研究指出太阳能和风能发电系统的非线性特征非常明显,并且二次端直流负载的接入与断开的随机性也比较大,容易引起微型电网的波动。为了解决低压直流微型电网的波动特性,提出了基于RBF神经网络在线辨识的单神经元PID控制的直流变换方法,该方法结合了普通PID控制结构简单和神经网络非线性系统自适应性强的特性,解决了二次直流负载端稳定的直流电源供电问题。(本文来源于《电力与能源》期刊2019年03期）
黄志精,李倩昀,白婧,唐国宁[4]（2019）在《在具有排斥耦合的神经元网络中有序斑图的熵测量》一文中研究指出脑神经网络在一定条件下可以自发出现行波、驻波、螺旋波,这些有序时空斑图的出现往往与某种神经疾病有关,但是其产生的机制尚未完全清楚,如何定量描述这些时空斑图的性质仍需要探索,为了解决这些问题,本文采用Hindmarsh-Rose神经元模型研究了具有排斥耦合的二维双耦合层神经元网络从混沌初相位开始演化的动力学行为,并用改进的集团熵来描述神经元网络的时空斑图.数值模拟结果表明:排斥耦合既可以促进有序斑图的形成,也可以抑制有序斑图的形成.适当选择排斥和兴奋性耦合强度,排斥耦合可导致单螺旋波、多螺旋波、行波、螺旋波和靶波与其他态共存、行波与驻波共存等有序斑图出现,螺旋波、行波出现概率分别达到0.4555和0.1667.靶波与其他态共存和行波与驻波共存出现概率分别达到0.0389和0.1056,我们提出的集团熵可以较好区分这些有序斑图和混沌态.当排斥耦合强度足够大时,网络一般处于混沌态.当网络处于弱耦合状态时,通过计算集团熵发现网络可以出现很大集团,这些结果有助于理解在实验中观察到的现象,从而能为神经疾病治疗提供帮助.(本文来源于《物理学报》期刊2019年11期）
杜俊杰,梁俊伟,和立辉,杜洋[5]（2019）在《基于神经元网络的电网谐波联动预警系统设计》一文中研究指出由于传统系统无法对多种谐波进行预警处理,导致预警误差较大,为了解决该问题,提出了基于神经元网络的电网谐波联动预警系统设计。根据神经元网络工作原理设计系统总体结构,采用2205型号采集卡对数据进行采集,使用4046型号单片集成锁相环,在一定范围内跟踪电压信号变化,保证输入与输出信号频率一致,设计数字处理器与总线连接电路,使不同神经元网络节点都能接收到相同数据。在软件功能内设置电网参数,实时检测电流变化,结合神经元模型设置输入矢量,获取神经元输出值,采用最小学习算法,调节连接权值,通过分析超过额定值电流和时间关系,实现联动预警系统设计。由实验结果可知,该系统最大预警误差为0.006 3,不会对系统预警造成任何影响。(本文来源于《电子设计工程》期刊2019年11期）
赵欣桐[6]（2019）在《时滞对前馈神经元网络信息传递的影响》一文中研究指出神经信息在神经系统中的加工和传输是需要特定功能的神经元群体来完成的。人工神经网络就是通过构建网络模型和计算机仿真的方法,来研究神经系统中信息传输和处理的相关问题。前馈神经元网络是人工神经网络中最简单、常见的模型之一,也是用于研究大脑不同区域间信号传递的有效模型。本论文以10层的前馈神经元网络为研究对象,着重研究了网络拓扑结构、突触时滞以及神经元模型参数对系统信息传输能力和处理机制的作用。主要的工作和所得结论概括如下:1.研究了常用神经元模型的放电特性及动力学行为,模拟了神经元模型对不同输入的响应特性,并分析各种神经元模型的优缺点。另外,作为预备工作,研究了突触连接概率对一类由兴奋性和抑制性神经元以4:1比例构成的单层神经元网络同步水平的影响,结果表明大的连接概率会促进神经元网络的同步。2.系统地研究了由Hodgkin Huxley神经元构成、以一定概率连接的前馈神经元网络中放电率传输的问题,其中着重考察突触时滞在此传输模式中所起的作用。研究结果表明,输入噪声强度、层间连接概率、突触时间常数和背景噪声强度都会对放电率传输产生影响,恰当的调整这些参数能够使网络具有稳定编码和传输信号的能力。突触时滞既可以对正常传输的网络产生破坏作用,也可以使无法成功传输的网络恢复正常传输,这与时滞的强度和网络的拓扑结构有关。3.研究了由Leaky Integrate and Fire神经元构成、以全局耦合方式连接的前馈神经元网络中同步放电传输的问题,主要考察了突触连接强度和时滞对传输模式的作用。在一定条件下,时滞可以帮助改善网络传输能力。(本文来源于《北京邮电大学》期刊2019-06-05）
刘赵凡[7]（2019）在《小世界神经元网络中的随机多共振现象》一文中研究指出噪声在在非线性系统中是不可避免的。研究表明,大多数生物系统是随机的,而不是确定性的。并且在神经系统中,阈下信号只有在噪声的协助下才能诱发神经元产生动作电位,我们称这种现象为随机共振现象,因此随机共振可能成为大脑能够高效地检测到信息的一种机制。此外,在信号检测的过程中,存在一个或者多个使得系统响应达到最优的噪声强度,这种现象被称为随机多共振现象。李慧妍等人发现在由FHN神经元构成的小世界网络中存在着随机多共振现象。基于上述研究结果,本文研究了耦合强度引起的多重随机共振现象。通过数值计算结果,我们发现当噪声强度固定在中等强度时,系统响应会随着耦合强度的增强产生多次共振行为。我们通过神经元网络的放电模态及其统计特性来研究神经元网络产生多次共振的原因。数值结果表明:随着网络内部耦合强度的增加,放电模态会有一个转迁过程。此外,本文研究了在不同的耦合强度下网络拓扑对信号检测能力的影响。结果表明:当系统是弱耦合的情况下,网络的拓扑对信号检测能力的影响微乎其微;当系统处于中等水平的耦合强度下,信号检测的能力会随着网络的重连概率和网络间的连边个数的增加而增强,通过计算神经元网络的特征路径长度,我们发现信号的检测的能力很大程度上依赖于神经元网络的特征路径长度;最后,当神经元网络处于强耦合状态时,神经元网络中存在最优的特征路径长度,即神经网络的信号检测能力会在最优的特征路径长度时得以提高。此外,本文研究了时延和噪声对小世界神经元网络检测阈下信号能力的共同作用。通过数值模拟我们得到叁个重要信息。首先,当噪声强度取最优值时,时滞可以使得神经元网络对于阈下信号的检测能力维持在较高水平也可以破坏神经元网络对阈下信号的检测能力;其次当噪声强度不是最优的情况下,适当的时滞可以增强神经元网络对阈下信号的检测能力;最后,当噪声达到一定强度时,神经元网络对阈下信号的检测能力可以在时滞很小的情况下得到提高。随机共振广泛地存在于神经系统中。例如,在鲨鱼的多感神经元细胞中,噪声可以诱导多感神经元在阈下振荡的作用下产生动作电位,进而传输信息。众所周知,脑电图是记录神经元活动的常用技术。脑电信号的机制是:在一定的噪声的情况下,神经系统的同步性可以得到提高,进而检测仪器更容易地检测到神经元网络中的振荡行为。因此噪声的存在对神经元系统是十分必要的。此外,时延、耦合强度和网络拓扑在神经系统信号处理中也起着非常重要的作用。因此,我们希望通过数值计算结果可以对神经元网络高效传输信息提供一些内在机制的解释。(本文来源于《北京邮电大学》期刊2019-05-27）
薛天舒[8]（2019）在《时滞对神经元网络中同步转迁的影响》一文中研究指出在本文中,我们主要研究在不同的神经元网络下时滞对簇同步转迁的影响以及不同的同步转迁的区别。由于在这里我们采用H-R模型,所以这里有两种不同的同步转迁模式:一种是簇峰数(spiking-changing)不断变化的同步转迁,一种是簇形式(FHC-FH)不断变化的同步转迁。研究表明,时滞在不同的外界条件下可以产生不同的同步转迁模式,并且与突触类型以及耦合强度有着密切的联系。首先,在电突触耦合神经元网络和兴奋性化学突触耦合神经元网络中,时滞可以诱导间歇性同步的发生并产生簇峰数不断变化的同步转迁。当耦合强度较小时,时滞可以产生间歇性的FHC类型的簇同步放电模式,但是并没有诱导产生上述两种同步转迁模式;当耦合强度较大时,时滞不仅可以产生间歇性的FHC或FH类型的簇同步放电模式,还会诱导产生簇峰数不断变化的同步转迁。在抑制性化学突触耦合神经元网络中,时滞仍然可以诱导间歇性同步的发生并产生簇峰数不断变化的同步转迁和簇形式不断变化的同步转迁。当耦合强度较小时,时滞可以产生间歇性的FHC类型的簇同步放电模式,但是并没有诱导产生上述两种同步转迁模式;当耦合强度较大时,时滞不仅可以产生间歇性的FHC和FH类型的簇同步放电模式,还会诱导上述两种同步转迁模式同时发生。其次,在混合突触耦合神经元网络中,时滞可以诱导两种不同的同步转迁模式的发生,并且其转迁模式的变化与耦合强度以及神经元网络中混合突触比例有着密切的关系。在本文中,我们创建了两种不同的混合突触耦合神经元网络:第一种是电突触和化学突触相互混合的神经元网络(其中化学突触中兴奋性突触和抑制性突触的比例为4:1),第二种是兴奋性化学突触和抑制性化学突触互相混合的神经元网络。在这两种网络中,时滞均可诱导两种同步转迁的发生。当耦合强度较小时,簇峰数不断变化的同步转迁产生;当耦合强度较大时,簇形式不断变化的同步转迁产生。而且,如果该混合突触神经元网络中电突触或者抑制性化学突触的比例较大时,时滞在较小的耦合强度下就可以诱导簇形式不断变化的同步转迁产生。最后,在化学混合突触耦合神经元网络中(兴奋性突触和抑制性突触的时滞不相同),双时滞可以诱导两种同步转迁的产生。随着耦合强度的增大,该神经元网络的同步性会逐渐较弱并消失。当抑制性突触所占的比例较小时,双时滞可以产生两种不同形式的同步转迁;当抑制性突触所占比例稍微增大时,双时滞只能产生簇形式变化的同步转迁模式;当抑制性突触所占比例较大时,同步性逐渐消失,双时滞无法诱导同步转迁的产生。综上所述,在不同的神经元网络中,时滞可以诱导两种同步转迁模式的产生。但是在不同的神经元网络中,时滞诱导同步转迁的方式和条件不尽相同。(本文来源于《北京邮电大学》期刊2019-04-25）
刘赵凡,孙晓娟,李慧妍[9]（2019）在《噪声诱使模块化神经元网络产生随机多共振现象》一文中研究指出首先,研究了噪声在多模块神经元网络中诱导的随机多共振现象.随机多共振现象是指存在不同的噪声强度,系统在这些噪声强度下对阈下信号的响应达到局部最优.其次,以FitzHugh-Nagumo神经元构成的模块化神经元网络为研究对象,通过数值模拟发现,神经元网络的系统响应随着噪声强度的增加多次达到局部最优,即产生随机多共振现象.同时,通过分析神经元网络平均膜电位的时序图,发现噪声通过诱导神经元网络在一个周期内产生多次发放进而诱导多次共振.最后,我们分析了两个子网络中加入不同强度的噪声时,噪声诱导神经元网络中的随机多共振现象.结果显示,当两个子网络加入不同强度的噪声时,随机多共振现象也会产生.(本文来源于《动力学与控制学报》期刊2019年02期）
季顺平,魏世清[10]（2019）在《遥感影像建筑物提取的卷积神经元网络与开源数据集方法》一文中研究指出从遥感图像中自动化地检测和提取建筑物在城市规划、人口估计、地形图制作和更新等应用中具有极为重要的意义。本文提出和展示了建筑物提取的数个研究进展。由于遥感成像机理、建筑物自身、背景环境的复杂性,传统的经验设计特征的方法一直未能实现自动化,建筑物提取成为30余年尚未解决的挑战。先进的深度学习方法带来新的机遇,但目前存在两个困境:①尚缺少高精度的建筑物数据库,而数据是深度学习必不可少的"燃料";②目前国际上的方法都采用像素级的语义分割,目标级、矢量级的提取工作亟待开展。针对于此,本文进行以下工作:①与目前同类数据集相比,建立了一套目前国际上范围最大、精度最高、涵盖多种样本形式(栅格、矢量)、多类数据源(航空、卫星)的建筑物数据库(WHU building dataset),并实现开源;②提出一种基于全卷积网络的建筑物语义分割方法,与当前国际上的最新算法相比达到了领先水平;③将建筑物提取的范围从像素级的语义分割推广至目标实例分割,实现以目标(建筑物)为对象的识别和提取。通过试验,验证了WHU数据库在国际上的领先性和本文方法的先进性。(本文来源于《测绘学报》期刊2019年04期）
单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：
对TC4钛合金热处理态、200、400和500℃热暴露不同时间的拉伸性能进行了研究,并利用BP人工神经元网络方法建立了不同温度与时间热暴露下试样拉伸性能的预测模型。结果表明:大多数热暴露与拉伸测试条件下合金的强度与塑性性能并未发生严重的恶化,热暴露前后试样拉伸塑性的差值大多在±7.5%左右波动,断面收缩率最多降低了约13%。对所建立的BP人工神经网络模型预测精度的分析表明,当隐含层神经元个数为11时,该模型的预测效果最佳。该模型能够很好地预测TC4合金不同热暴露条件下拉伸性能的变化。
（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。
单神经元网络论文参考文献
[1].刘学文,任兴贵,徐定杰.基于RBF神经网络单神经元PID控制的恒功率直流变换研究[J].自动化与仪器仪表.2019
[2].周晓虎,楼美琪,张学敏,孙宇,张小航.基于神经元网络的热暴露对TC4钛合金拉伸性能影响预测[J].热加工工艺.2019
[3].刘学文,任兴贵,徐定杰.基于RBF神经网络单神经元PID控制在低压直流变换中的应用研究[J].电力与能源.2019
[4].黄志精,李倩昀,白婧,唐国宁.在具有排斥耦合的神经元网络中有序斑图的熵测量[J].物理学报.2019
[5].杜俊杰,梁俊伟,和立辉,杜洋.基于神经元网络的电网谐波联动预警系统设计[J].电子设计工程.2019
[6].赵欣桐.时滞对前馈神经元网络信息传递的影响[D].北京邮电大学.2019
[7].刘赵凡.小世界神经元网络中的随机多共振现象[D].北京邮电大学.2019
[8].薛天舒.时滞对神经元网络中同步转迁的影响[D].北京邮电大学.2019
[9].刘赵凡,孙晓娟,李慧妍.噪声诱使模块化神经元网络产生随机多共振现象[J].动力学与控制学报.2019
[10].季顺平,魏世清.遥感影像建筑物提取的卷积神经元网络与开源数据集方法[J].测绘学报.2019