脑功能光学成像研究进展

首先对脑功能成像技术的研究背景和发展历程进行了简单的回顾 ,然后对脑功能光学成像方法进行了分类综述 ,主要介绍了电压敏感性染色成像、内源光学成像、光学相干层析成像、神经元活动相关光信号成像等成像方法的原理和最新进展 ,并总结了选择光学成像系统所应考虑的因素 ,最后 ,通过对各种成像方法的分析和比较 ,提出了改进和完善脑功能光学成像技术的建议 ,并对脑功能光学成像技术的发展前景指出了一些可能的方向     

指挥云脑研究

智能化是指挥信息系统未来发展的重要方向。从类脑系统设计角度,基于云计算设计了指挥云脑的技术架构,分别从虚拟神经元、虚拟神经纤维、虚拟感觉、虚拟视觉和听觉系统、虚拟运动系统、虚拟记忆系统、虚拟自主神经系统、虚拟中枢神经系统和虚拟末梢神经系统,对指挥云脑功能进行重点阐述,并基于"数据-知识-智慧"的分层体系描绘了指挥云脑信息运行机理,以期为指挥信息系统的智能化研究提供参考。     

基于fMRI的静息状态脑功能复杂网络分析

分析静息状态下人脑中不同区域之间的功能连接模式对研究静息状态下人脑正常功能活动具有重要意义。基于复杂网络理论对脑功能网络进行建模,考察静息状态脑功能网络的结构和拓扑特性。结果显示,网络具有小世界性质和无标度特性。进一步引入一种概率混合模型分析网络社团结构,得到的10个子网络中包含视觉系统、听觉系统、运动系统、默认网络以及与执行和工作记忆相关的脑区。推测出静息状态脑功能网络是由这些相对独立又彼此关联的子网络组成,其中楔前叶和扣带回作为网络的关键节点,在信息调度和传递中占据重要地位。     

神经形态器件现状与未来

为解决现有冯·诺依曼计算机面临的低智能、高能耗、低容错等问题,"类脑计算"应运而生。"类脑计算"借鉴大脑的体系结构和信息处理方式,基于神经形态器件构建逻辑与存储相融合的计算硬件,旨在实现更为灵活和智能的信息处理与计算模式。在阐述"类脑计算"起源与发展现状的基础上,研究了人脑神经网络信息处理机制,重点介绍了神经形态器件的研发态势。神经形态器件作为类脑计算芯片和系统的基本组成单元,对于类脑智能的实现至关重要,因此研发能够高精度模拟生物突触、神经元信息处理功能的微纳器件是当前的研究热点。     

基于大脑本征信号的光学功能成像技术

对脑功能内源光学成像技术的研究与进展情况进行了较系统的论述。首先对内源光学成像技术的基本原理进行了介绍 ,然后对该技术进行了分类 ,并将内源光学成像技术与其他脑功能成像技术作了比较分析 ,最后对内源光学成像技术的研究发展及其应用前景指出了一些可能的方向     

透视认知作战的“制胜之门”

<正>认知作战,是继火力、机动力、信息力之后,又一个战场制胜的顶端,它经历了数千年的人脑隐性对抗之后,在现代战场上露出了新的面容。认知制胜的基础：算力无处不在“夫未战而庙算胜者,得算多也”。“庙算”虽没有那么精细,但也是认知战争胜负必不可少的环节。如果说古代战争胜在“庙算”,那么现代战争胜在算力无处不在。算力无处不在,是云脑送算模式的升级。当前作战中的典型认知过程是,人在回路上、人在回路中或人在回路外,数据信息汇聚到“云脑”之中,“云脑”利用强大算力提取出认知,再返回给相关作战平台。这种“云脑送算”模式,面临着两大问题：一是算力输送延时,     

“借脑”来“富脑”

河南省社旗县人武部在开展民兵、预备役人员“两带一建”活动中,聘请中央、省、市农业专家参加指导,以“借脑”对民兵进行“富脑”培训,使他们率先掌握先进的种、养、加工技术。涌现出万名农业生产科技致富能工巧匠。 结盟科学家增强生产科技含量的同时,人武部还协调农业银行、信用社优先对这批“致富先锋队员”提供货款3000万元,通过项目和效益示范,     

脑的研究方法与探索

<正>脑能否了解脑.对这一问题历来存在两种对立的观点.乐观者认为脑不过是机体的器官之一.如同心脏一样.仅管要花费巨大的代价.付了艰辛的努力,但最终还是可以了解脑的.另一种观点认为.了解脑如何工作得靠脑去执行.用脑去了解脑几乎是不可能的.正如一句名言“一个人是不可能靠自己的力量把自己举起来的”.但我们只要对当代脑研究的成就稍作了解.就会发现.这种比喻并不是非信不可的.     

国旗颜色象征

从事脑力劳动的人,别看是伏案静坐,表面似乎没用劲,实际上终日冥思苦想,脑力消耗是很大的。从氧的消耗量来看,人脑只占体重的四十分之一,但耗氧量却占全身的四分之一。脑神经细胞一分半钟得不到氧气,人就会失去知觉;要是五六分钟得不到氧气,脑神经细胞就会死亡。脑部的血流量相当于心脏排血量的五分之一,大脑工作时,要求全身各种器官的新陈代谢加速进行,以便得到更多的氧气和营养。那么,怎样按照大脑活动的规律和特点合理使用大脑、保护大脑呢?坚持体育锻炼增强大脑功能:体育活动是一种积极的休息,能够锻炼神经系统对疲劳的耐受力,保持大脑…     

基于信息流的中枢疲劳脑电分析

为充分利用多导脑电信息,首次提出运用有向传递函数（DTF）方法,对不同中枢疲劳状态下导联间信息流的强度和方向的变化进行分析。研究结果表明,脑电功能耦合中额一到一顶方向的信息流是大脑皮层联系的一个固有特征,可以有效地刻画安静清醒和疲劳两个状态,长时间脑力劳动任务引起中枢疲劳的增加,进而导致整个频率段占优势的信息流的方向发生了反转,信息流占优势的方向从实验前的顶一到一额方向,转变为实验后的额一到一顶方向。     

脑与认知技术发展综述

脑与认知是利用神经形态计算来模拟生物大脑处理信息的过程,被认为是探究甚至实现人工智能的最直接技术路线,而且可以为人工神经网络研究提供基础导向,因为人类和动物"先天"的结构对其技能和习性有着决定性作用。对近期脑与认知的相关研究与成果进行了综合评述,并对未来发展趋势进行了展望。综述表明,类脑仿生研究与应用改进了人工智能系统,重建复杂的大脑皮层神经网与回路是当前研究重点;脉冲神经网络被认为是目前深度神经网络的"继承者";脑机接口技术发展呈现非侵入式趋势,面向语言障碍病患实现语音合成的脑机接口技术成为近期新兴研究方向。     

基于人工神经网络的齿轮箱载荷识别研究

提出了一种基于实测结构响应识别作用在齿轮箱上激励的方法 ,该方法利用人工神经网络建立响应信号与激励之间的映射模型。通过单级齿轮箱上所做的试验数据表明 ,这种利用人工神经网络识别齿轮箱载荷的方法是可行的 ,并且 ,经过训练的网络模型在齿轮箱载荷识别的过程中显示了极快的收敛速度和很高的识别精度。     

BP神经网络在效能评估中的样本训练

根据WSEIAC模型建立了地面防空导弹武器系统效能评估的指标体系,并依此模型建立与之对应的三层BP神经网络.简要分析了BP算法的实现过程,利用专家打分法和模糊层次法相结合的方式取得该神经网络应用于地面防空导弹武器系统效能评估时的训练样本,并对此神经网络进行学习训练,直至达到精度要求.经验证,该网络在评价地面防空导弹武器系统效能时减少了评估中的人因影响,使评估结果更为科学.     

BP神经网络的收敛问题

研究了BP神经网络的收敛问题。基于随机理论 ,提出了解决网络收敛性问题的随机优选法。该方法不仅在任何条件下都能得到问题的具有一定精度的解答 ,而且收敛速度很快     

神经网络中引入数值积分寻优法

本文提出了一种新的寻优方法———数值积分寻优法 ,将此方法应用于神经网络的学习算法中 ,构造了两个神经网络 ,它们与BP网络有相同功能 ,且不出现BP网络的局部极小问题 ,收敛速度比BP网快     

LEACH—DRT算法中基于神经网络的数据预测算法

为了保证无线传感器网络中数据的完整性,针对基于LEACH路由协议的动态轮时间算法存在的问题,提出一种基于人工神经网络的数据预测算法。该动态轮时间算法中,部分簇因调整后的轮时间不足以完成数据的采集而丢失数据。数据预测算法结合传感器节点数据具有时空相关性的特点,将时空延迟算子引入神经网络模型,并通过建立的神经网络模型对数据进行预测。仿真时采用伯克利英特尔实验室的传感器数据,通过Mafl软件对模型进行测试并分析仿真结果。实验结果表明：该算法对连续多个数据的预测效果理想,预测误差始终保持在较低水平。     

基于ANN模式识别的某型导弹测试车配电系统故障诊断

人工神经网络诊断特点与基于模式识别的诊断特点非常相似。将ANN模式识别技术应用于某型导弹测试车配电系统故障诊断。根据测试车配电系统的故障特点,设计ANN为4层BP网络,具有9个输入、10个输出,两个隐含层神经元数目分别为9和6。测试结果表明该方法能有效诊断测试车配电系统故障。     

多层局部回归神经网络在激光陀螺捷联惯导系统惯性敏感器误差补偿中的应用

惯导系统误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。探讨将多层局部回归神经网络引入到惯性敏感器误差建模中 ,详细介绍了网络结构和对应的自适应动态梯度算法。仿真算例说明 ,多层局部回归神经网络在惯性敏感器输出误差建模时具有一定的优点 :网络收敛速度快、较好的跟踪性能、稳定性好。     

Determination of penetration depth at high velocity impact using finite element method and artificial neural network tools

Determination of ballistic performance of an armor solution is a complicated task and evolved significantly with the application of finite element methods(FEM) in this research field.The traditional armor design studies performed with FEM requires sophisticated procedures and intensive computational effort,therefore simpler and accurate numerical approaches are always worthwhile to decrease armor development time.This study aims to apply a hybrid method using FEM simulation and artificial neural network(ANN) analysis to approximate ballistic limit thickness for armor steels.To achieve this objective,a predictive model based on the artificial neural networks is developed to determine ballistic resistance of high hardness armor steels against 7.62 mm armor piercing ammunition.In this methodology,the FEM simulations are used to create training cases for Multilayer Perceptron(MLP) three layer networks.In order to validate FE simulation methodology,ballistic shot tests on 20 mm thickness target were performed according to standard Stanag 4569.Afterwards,the successfully trained ANN(s) is used to predict the ballistic limit thickness of 500 HB high hardness steel armor.Results show that even with limited number of data,FEM-ANN approach can be used to predict ballistic penetration depth with adequate accuracy.     

基于BP神经网络的舰炮武器系统综合保障性能评价

通过对舰炮武器系统的分析,建立舰炮武器系统综合保障性能评价的指标体系。把神经网络的相关知识应用到舰炮武器系统综合保障性能评价中,得到了相应的BP神经网络评价模型。通过一些舰炮武器系统的实例计算,验证了模型的正确性,为舰炮武器系统的研制和改进提供了一定的参考依据。