简介：研究了单个ML神经元的放电模式及其动力学特征．通过快慢动力学分析得出随着参数的变化，神经元可以呈现出静息态、簇放电及峰放电等多种放电模式．本文同时研究了耦合强度和时滞对突触耦合的两个神经元同步的影响．在无时滞时，随着耦合强度的增大，耦合神经元的在相同步得到增强．而在某段时滞范围内，神经元在比较小的耦合强度下就能达到同步，这说明有效的时滞能够增强同步．此外，时滞只能在某些耦合强度下才对耦合系统的同步起作用．

简介：采用Hodgkin-Huxley神经元模型,在二维随机神经网络中引入局部扩散功能缺陷,研究了神经网络中非对称缺陷附近的方形失去扩散功能的缺陷对螺旋波动力学行为的影响.缺陷使螺旋波降低传播速度的行为与缺陷的位置和尺寸有关：靠近螺旋波中心的缺陷影响最为显著,当缺陷远离中心位置时,缺陷的作用明显减弱;缺陷尺寸越大,影响也越显著.同时观察到,在弱耦合神经网络中,缺陷的存在导致了螺旋波的漂移现象.进一步研究缺陷和通道噪声同时存在时系统时空斑图的演化行为,结果发现,噪声作用下缺陷处形成了新的波源.最后,通过分析神经元放电节律和平均膜电位的变化揭示了缺陷对神经网络时空行为影响的机理.

简介：利用三维有限元方法,分析了风速、攻角、导线分裂、磁场力和防舞装置等各种因素对导线舞动的影响.结果表明:风速、攻角和导线分裂等对导线舞动的影响很大;磁场力的影响很小.为减轻和防止导线舞动,在导线距离杆塔1/3和2/3处施加压重,可以获得明显的防舞效果.

简介：本文提出了一种改进的注意力选择模型，在这个模型中，周边神经元代表初级视觉皮层的神经元，中心神经元代表更高级视觉皮层中的神经元．生理实验发现方向选择性是初级视觉皮层神经元的重要特性之一，所以模型除了考虑外部刺激的强度，也考虑了初级视觉皮层中的神经元的方向选择性．仿真结果显示改进后的模型能够选择具有不同方向选择性的目标，并且能从一个目标转移到另一个目标．和原模型相比，改进后的模型更符合生理背景．该模型的动力学分析结果，对于理解视觉神经系统的编码有一定的帮助．

简介：采用神经元二维映射模型，通过数字仿真研究了高斯白噪声对神经元非线性动力学特性的影响．研究发现，噪声可以诱导具有次阈值输入信号的神经元产生动作电位和随机共振．随机共振现象的产生与否和噪声强度的大小以及输入信号的频率具有密切的关系．另外，还研究了系统的控制参数对随机共振现象的影响．

简介：传统PID控制在控制系统中有广泛的应用,但是由于其在参数整定过程中对于对象模型过分依赖,并且参数一旦整定计算好后,在整个控制过程中都是固定不变的,而在实际系统中,由于系统状态和参数等发生变化时,过程中会出现状态和参数的不确定性,系统很难达到最佳的控制效果.为了改善传统PID控制的效果,又充分利用现有PID控制的研究成果,采用BP神经网络对PID参数进行整定,并对该系统进行了仿真分析.仿真结果表明,采用BP神经网络整定的PID控制较传统PID算法及BP网络算法都有较大程度的提高.

简介：针对无人动力伞在执行任务时常常在低空、城市上空等复杂气流环境飞行，无人动力伞的响应特性受到飞行速度、航向角和各种风的综合影响，具有的非线性和不确定性．导致事先设计的控制规则不再适合，对此基于PID的控制算法难以达到满意的控制效果．本文提出了一种模糊神经网络控制无人动力伞航向控制策略，利用RBF神经网络所特有的局部逼近能力，对模糊控制规则进行在线推理并获得连续输出，采用GA算法对神经网络参数进行调整来实现对模糊控制器规则库的优化和模糊规则的自动生成．使控制器能够进一步适应无人动力伞实时控制中的时变性和不确定性，保持良好的控制性能；仿真表明算法是可行的．

简介：用最大Lyapunov指数构造遗传算法中的适应度函数，通过遗传算法优化神经网络的权系数．根据所得到的适应度函数和权系数来构造遗传神经网络控制器，从而提高神经网络控制效果．对离散系统Logistic映射和连续系统Rossler方程、AFM（原子力显微镜）悬臂梁振动系统的混沌运动分别进行了仿真控制．数值实验结果表明本文改进的遗传神经网络控制方法对离散或者连续的混沌系统都能控制到低周期轨道上去，证明了算法的有效性．

简介：在能量编码原理的基础上,利用哈密尔顿函数得到了大脑皮层内大规模神经元集群在阈下和阈上互相耦合时神经元电位变化的能量函数.根据神经电生理的实验数据得到了高斯白噪声条件下神经元电位活动的膜电位运动方程.研究结果表明：本文得到的膜电位的均值恰是先前已发表的膜电位运动方程的精确解.在这个基础上,还得到了神经元集群编码的哈密尔顿函数随时间的演变过程,即神经元集群随时间的能量演化过程的定量表达式.

简介：基于动力系统的稳定性理论、数值计算分岔图和线性化系统的最大Lyapunov指数,研究了经兴奋性化学耦合的快峰神经元的同步动力学.研究表明,随着一些关键参数的改变,耦合神经元能呈现丰富的同步行为,如各种周期的同步和混沌的同步.研究结果对理解神经元系统的同步运动具有指导意义.

简介：通过对龙虾心脏神经节模型的研究，从非线性动力学角度对模型所产生的簇发放做了详细的分析，讨论了不同电生理参数条件下，模型簇发放中所蕴含着的丰富的动力学性质，如：峰峰间距（InterSpikeIntervals，ISis）的加周期分岔和倍周期分岔等．通过模型分析结果可进一步理解龙虾心脏神经节动作电位簇发放中所蕴含的丰富的发放模式和节律编码.

简介：在神经元的生理实验中经常观察到丰富的钙振荡模式，本文详细综述了产生这些现象的钙流交换机理和各类通道调节机理，以及描述这些生理机理的数学表达式．介绍三类典型的研究钙振荡的非线性动力学模型，即电压动力学与钙动力学相耦合的模型，多个钙存储单元之间钙流平衡的模型和考虑信使物质IP3的振荡与钙振荡相互作用的模型；并针对第一个模型简要地讨论其复杂的动力学行为；最后对神经元钙振荡的非线性动力学研究提出了一些展望．

简介：浦肯野神经元是小脑皮层唯一的输出神经元,其传入纤维主要包括来自橄榄核的盘状纤维和来自皮层颗粒神经元的平行纤维.基于与实际神经系统十分相似浦肯野神经元回路模型,本文研究了回路中三种神经元（浦肯野神经元,颗粒神经元,盘状纤维）的相位响应曲线（PRC）并结合它们各自的f-I曲线对来区分三种神经元的兴奋性;进而对不同类型的神经元之间的同步性进行分析,着重考察了不同神经元之间突触的电导系数与浦肯野神经元树突上的CaP电导系数的影响等,分析结果显示神经元之间同步性对于它们信息传递起着重要作用.

简介：研究了改进的Morris—Lecar（ML）神经元模型的放电节律模式和模式转化的峰峰间期（interspikeintervals，ISIs）分岔结构，通过调节模型中的两个重要参数μ和Vk，发现对于固定的μ，改变Vk，神经元呈现出从倍周期级联分岔到加周期分岔的复杂结构，放电模式从静息态转化为周期、混沌簇放电状态；若选取此分岔过程中的某一Vk值，对μ进行调节，呈现出的ISIs分岔结构在很大程度上取决于单个神经元的放电节律模式，且单个神经元处于混沌簇放电时，肛带来的分岔动力学行为较丰富．由于神经元能够通过动作电位对信息进行编码，所以我们推测，研究神经元的放电节律模式和动作电位的ISIs分岔结构能为理解神经信息编码机制提供线索．

简介：在二维映射神经元模型中,同时施加高、低两种不同频率的刺激信号,以高频信号为调制信号,研究其对系统动力学特性的影响.仿真结果表明,通过调节高频信号的幅值为某一合适值,可以使得神经元膜电位对弱低频信号的线性响应达到最优,产生振动共振现象,从而证实了高频刺激信号能够帮助神经元探测和传导弱低频信号.另外,还研究了模型和信号参数对系统共振特性的影响.

简介：利用CMAC神经网络与PID控制算法,提出了一种针对飞行器挠性结构振动的混合控制方法.首先在给出系统动力学方程的基础上,利用CMAC神经网络的具体特点,给出了神经网络算法;进而将PID控制算法引入控制系统,形成了一种混合控制方法,该方法具有CMAC神经网络与PID控制算法两者的优点.最后针对复杂的飞行器挠性结构振动问题进行了实例仿真,说明了算法的有效性.

简介：基于在无时滞的情况下,非全同的Hindmarsh-Rose耦合神经元达到几乎完全同步的放电模式,通过数值模拟的方法,研究了时滞对耦合Hindmarsh-Rose神经元同步后放电模式的影响.结果表明时滞使得神经元的放电模式发生改变,同时时滞的增加能够诱导簇中的峰逐渐地减小或消失.这一研究将有助于我们更深入地了解时滞对耦合神经元系统行为的影响.

简介：在JohnSehmitt和PhilipHolmes工作基础上建立一个考虑阻尼效应的昆虫LLS（lateralleg-spring）模型，并在MATLAB环境下对其步态运动进行计算机数值模拟，对昆虫在水平面爬行步态进行分析，发现考虑阻尼的模型更符合实际情况，并表现出更好的稳定性，证明了由力学和几何定理主导的控制行为在维持昆虫爬行的稳定性方面起到了十分重要的作用，从而减轻了神经系统的负担，同时也说明了引人阻尼在提高运动稳定性方面发挥的作用．

简介：对直流和混沌电流激励下的Hodgkin—Huxley(H—H)神经元，将周期的微扰动信号分别作用于神经元的不同离子通道，控制神经元放电行为．数值结果表明：作用于不同离子通道的微扰动控制信号，引起完全不同的神经元放电行为；如这些扰动信号可以使神经元从周期性放电转变为抛物线型簇放电、从混沌放电转变为周期放电。

简介：用单一理论和方法对复杂系统进行故障诊断效果不太好．文章讨论了基于神经网络和模糊系统的故障诊断以及它们之间结合方式的特点，提出了一种保障工业生产安全可靠运行的有效方法：分级故障诊断算法＋过程监控与报警，仿真并设计了基于工控网络的工业过程故障诊断与报警系统．研究表明基于径向基函数神经网络＋模糊逻辑的算法具有较快的训练速度和较好的泛化能力，可识别多回路故障．