脉冲神经网络拓扑结构的模型构建与仿真分析

《脉冲神经网络拓扑结构的模型构建与仿真分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：UDC：编号：河北工业大学硕士学位论文脉冲神经网络拓扑结构的模型构建与仿真分析论文作者：杨娜娜学生类别：全日制学科门类：工学学科专业：生物医学工程指导教师：徐桂芝职称：教授周茜讲师资助基金项目：国家自然科学基金资助项目(NO.61305077)DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofBiomedicalEngineeringMODELINGANDSIMULATIONANALYSISOF

2、SPIKINGNEURALNETWORKSTOPOLOGYbyYangNanaSupervisor:Prof.XuGuizhiLecturerZhouQianNovember2014ThisworkwassupportedbytheNationalNaturalScienceFoundationofChina.No.61305077.摘要在信息化的大背景下，环境中充斥着各种各样的电磁场，电子系统在这样的环境中长期运行，会引起部件故障导致系统的工作性能下降。虽然人们采取了诸如接地、屏蔽、滤波等传统手

3、段尽量降低电磁对电子系统的干扰，如何从根本上提高电子系统的可靠性是一个棘手的问题。面对复杂电磁环境，生物体在神经系统的调控下表现出的自组织、自修复、自适应的特性成为人们关注的焦点。本文围绕所构建的具有STDP机制的脉冲前馈神经网络对什么样的干扰有抗扰作用，抗扰能力有多大的问题展开研究。主要工作如下：（1）单个神经元的抗扰研究。通过对多突触前输入单个突触后输出连接模型中的突触后神经元添加噪声和减少突触前神经元的输入两种干扰，观察干扰对单个神经元信息编码的影响。研究结果表明，单个神经元对加噪声的刺激电

4、流和突触前输入数量减少具有一定程度的频率抗扰能力。（2）脉冲神经元网络的抗扰研究。构建多层前馈神经元网络，进行网络输入层引入噪声和损伤输入层节点两种方式的仿真实验，探究网络的抗扰能力。结果表明，基于STDP机制的前馈脉冲神经网络对输入层刺激电流的噪声具有抗扰能力，对一定程度的节点损伤具有频率抗扰作用。关键字：电磁仿生防护脉冲神经网络STDP机制噪声节点损伤IIIABSTRACTTheenvironmentisfilledwithallkindsofelectromagneticfieldbythe

5、informationtechnology.Iftheelectronicsystemrunsforlongtime,theelectromagneticfieldwillcausecomponentfailureresultingindecreasedsystemperformance.Ithastakenthetraditionalelectromagneticprotectionmeans,suchasgrounding,shieldingandfilteringtominimizeelec

6、tromagneticinterferencetoelectronicsystems,buthowtoimprovetheelectronicsystemreliabilityfundamentallyisathornyissue.Facedwiththecomplexelectromagneticenvironment,organismshavedemonstratedtheircharacteristics,suchasself-organizing,self-healingandself-a

7、daptive,whicharecloselyassociatedwiththeregulationofnervoussystem.Thethirdgenerationartificialneuralnetworks—spikingneuralnetworksforelectromagneticprotectionareprovided.Thethesisfocusesonthestudyoftherelationshipbetweenthestabilityofoutputandtheinter

8、ferencetotheinputlayerofthespikingfeedforwardneuralnetworkswithSTDPmechanism.Mainworkshavebeenlistedasfollowed:(1)Theresearchonsingleneuron.Byaddingnoiseandreducingthenumberofpresynapticinputstopostsynapticneuroninmultiplepresynapticinputs—sin