基于辨識與控制的神經(jīng)元網(wǎng)絡(luò)模型特性研究.pdf

1、大腦是由各種結(jié)構(gòu)的神經(jīng)元網(wǎng)絡(luò)組成的復(fù)雜網(wǎng)絡(luò),當(dāng)神經(jīng)元參數(shù)或網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生變化時(shí),會使大腦產(chǎn)生異常的活動,導(dǎo)致神經(jīng)疾病的發(fā)生。DBS和TDCS是治療精神疾病的有效手段,通過電磁刺激使大腦活動恢復(fù)到正常狀態(tài)。建立合適的數(shù)學(xué)模型來描述神經(jīng)元及網(wǎng)絡(luò)的內(nèi)部參數(shù)、結(jié)構(gòu)以及輸入輸出特性是理解DBS和TDCS等刺激作用機(jī)制和作用過程的關(guān)鍵。因此本文提出利用控制與辨識思想建立神經(jīng)元及其網(wǎng)絡(luò)模型,分析神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)對網(wǎng)絡(luò)中神經(jīng)元特性產(chǎn)生的影響,并研究單神經(jīng)元

2、和網(wǎng)絡(luò)參數(shù)和結(jié)構(gòu)的估計(jì),模型重建以及閉環(huán)控制等問題。
　　本文構(gòu)建了不同結(jié)構(gòu)的神經(jīng)元網(wǎng)絡(luò)模型來分析神經(jīng)元參數(shù)及網(wǎng)絡(luò)結(jié)構(gòu)對同步特性的影響。利用H-R模型構(gòu)建了34種不同結(jié)構(gòu)的三個(gè)神經(jīng)元網(wǎng)絡(luò),并進(jìn)行了理論和仿真分析,發(fā)現(xiàn)并證明了網(wǎng)絡(luò)中的自耦合現(xiàn)象會降低網(wǎng)絡(luò)中神經(jīng)元之間的同步能力的規(guī)律。
　　大腦神經(jīng)元網(wǎng)絡(luò)的參數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)是未知且難以測量的。本文首次提出了橋式網(wǎng)絡(luò)觀測器的思想,根據(jù)正常網(wǎng)絡(luò)和虛擬橋式網(wǎng)絡(luò)之間的誤差實(shí)現(xiàn)網(wǎng)絡(luò)中的未知參

3、數(shù)以及網(wǎng)絡(luò)結(jié)構(gòu)辨識,并根據(jù)辨識的結(jié)果設(shè)計(jì)自適應(yīng)補(bǔ)償策略將異常神經(jīng)元網(wǎng)絡(luò)調(diào)節(jié)至正常狀態(tài)。仿真結(jié)果證明了所提方法的有效性。
　　神經(jīng)元和神經(jīng)網(wǎng)絡(luò)建模過程中可能會遇到采樣周期過長,神經(jīng)元內(nèi)部結(jié)構(gòu)未知,以及干擾過強(qiáng)等問題。本文首次采用中值估計(jì)結(jié)合自適應(yīng)估計(jì)的方法解決了采樣周期過長的問題;然后利用模糊觀測器和人工神經(jīng)網(wǎng)絡(luò)觀測器重構(gòu)了未知結(jié)構(gòu)和參數(shù)的神經(jīng)元模型;并借助人工神經(jīng)網(wǎng)絡(luò)的思想實(shí)現(xiàn)神經(jīng)元的未知輸入的辨識和干擾的消除。仿真結(jié)果證明了所提

4、方法的有效性。
　　本文首次將閉環(huán)控制方法應(yīng)用于DBS和TDCS控制策略的設(shè)計(jì)中,首先提出基于自適應(yīng)參數(shù)辨識的閉環(huán)控制策略,實(shí)現(xiàn)外電場作用下的神經(jīng)元模型的閉環(huán)控制;然后首次利用閉環(huán)迭代學(xué)習(xí)算法設(shè)計(jì)DBS控制策略,使神經(jīng)元集群產(chǎn)生期望的周期動態(tài)特性;本文建立了基于輸入輸出的神經(jīng)元集群整體模型,利用回歸最小二乘方法實(shí)現(xiàn)了模型參數(shù)的動態(tài)辨識,并在此基礎(chǔ)上設(shè)計(jì)控制器實(shí)現(xiàn)神經(jīng)元集群狀態(tài)的調(diào)節(jié)。方法解決了傳統(tǒng)刺激方法需要極大依賴神經(jīng)系統(tǒng)模型的