您的位置: 专家智库 > >

周茜

作品数:12 被引量:36H指数:4
供职机构:河北工业大学更多>>
发文基金:国家自然科学基金国家教育部博士点基金河北省自然科学基金更多>>
相关领域:自动化与计算机技术医药卫生理学天文地球更多>>

文献类型

  • 9篇期刊文章
  • 2篇会议论文
  • 1篇专利

领域

  • 7篇自动化与计算...
  • 3篇医药卫生
  • 2篇理学
  • 1篇生物学
  • 1篇天文地球

主题

  • 6篇神经网
  • 6篇神经网络
  • 6篇突触
  • 6篇突触可塑性
  • 5篇STDP
  • 3篇网络
  • 2篇电特性
  • 2篇抑制性
  • 2篇事件流
  • 2篇自适
  • 2篇自适应
  • 2篇自适应神经
  • 2篇自适应神经网...
  • 2篇相机
  • 2篇脉冲神经网络
  • 2篇放电
  • 2篇放电特性
  • 2篇磁刺激
  • 1篇电磁
  • 1篇兴奋性

机构

  • 12篇河北工业大学
  • 1篇深圳华大基因...

作者

  • 12篇周茜
  • 8篇徐桂芝
  • 3篇郭磊
  • 2篇陈云芝
  • 2篇郭苗苗
  • 2篇尹宁
  • 2篇万晓伟
  • 1篇于洪丽
  • 1篇屈若为

传媒

  • 3篇中国科技论文
  • 2篇生物医学工程...
  • 1篇物理学报
  • 1篇中国生物医学...
  • 1篇仪表技术与传...
  • 1篇中国医学物理...
  • 1篇天津市生物医...

年份

  • 1篇2024
  • 1篇2023
  • 1篇2022
  • 1篇2019
  • 2篇2018
  • 2篇2015
  • 2篇2014
  • 2篇2013
12 条 记 录,以下是 1-10
排序方式:
噪声对皮层神经网络放电特性的影响
2018年
为研究噪声对皮层神经网络的影响,构建了基于脉冲时间依赖突触可塑性(spike timing dependent plasticity,STDP)调节机制的多层前馈皮层神经网络模型,发现在STDP突触机制的调节下,一定强度的噪声可以促进不同规模网络各层神经元的同步放电活动。仿真实验表明,神经元间连接概率不同时,促进网络同步放电的噪声强度也不同;网络各层神经元平均放电频率随着输入噪声强度的增强和连接概率的增大而增大,且噪声使网络各层的平均放电率波动减小,网络整体放电更加均匀,研究结果有助于认识大脑皮层神经网络的自适应特性。
周茜杨秋杨姣博徐桂芝
关键词:同步放电噪声
基于STDP可塑性自适应神经网络的构建及仿真研究被引量:6
2014年
目的:在日益复杂的电磁环境下,生物体神经系统表现出的一定程度的可靠性、抗扰性、自适应和自修复的优势,生物的这种抗扰优势可为研究电子电路系统的电磁仿生防护提供新的思路。方法:基于神经信息传递的生理机制以及突触的可塑性机制,揭示了脉冲时间依赖突触可塑性(Spike Timing Dependent Plasticity,STDP)机制与生物自适应之间的关系,然后选取了Izhikevich神经元模型为节点,以动态STDP机制调节权值的自适应突触为桥梁,进行了四层具有自组织抗扰能力的前馈神经网络模型的构建与仿真研究,并进一步分析了所构建的神经网络的自适应抗扰能力。结果:在损伤神经元的比例小于中间层的30%时,具备STDP机制的网络抗扰能力明显优于相同损伤程度下不具备STDP机制的网络的抗扰能力。结论:所构建的基于STDP可塑性的神经网络的自适应抗扰能力与突触的STDP可塑性机制密切相关。
陈云芝徐桂芝周茜屈若为郭苗苗郭磊万晓伟
关键词:突触可塑性自适应神经网络
基于生物突触可塑性的仿生分层脉冲神经网络事件相机对象识别系统
2023年
脉冲神经网络(SNNs)以稀疏脉冲时间编码、异步事件驱动的方式天然地适合处理事件相机输出的事件流数据。为了提高现有的仿生分层脉冲神经网络对事件相机对象的特征提取和分类性能,本文提出一种基于生物突触可塑性的仿生分层脉冲神经网络事件相机对象识别系统。该系统首先基于脉冲神经元电位对原始事件流进行自适应分割以提高系统计算效率,然后使用基于生物突触可塑性的仿生分层脉冲神经网络对事件流数据进行多层的时空特征提取并分类。在基于Gabor滤波器的事件驱动卷积层提取初级视觉特征之后,网络使用基于无监督脉冲时间依赖突触可塑性(STDP)规则的特征层提取频繁出现的显著特征,以及基于奖励调节STDP规则的特征层学习诊断性特征。本文提出的网络在四个基准事件流数据集上的分类精度均优于现有的仿生分层脉冲神经网络,并且本文方法对于较短的事件流输入数据也有很好的分类能力,对输入事件流噪声也具有较强的鲁棒性。综上,本文提出的网络能够提高该类网络对事件相机对象的特征提取和分类性能。
周茜郑鹏李小虎
关键词:脉冲神经网络
基于CGR的细菌必需基因和非必需基因Hurst指数特征对比分析
<正>目的近年来,随着DNA测序技术日趋完善,测序得到的海量DNA数据亟需被挖掘分析。研究DNA序列结构与生物遗传信息的传递与表达之间的联系,具有重要的现实意义。必需基因是细胞完成基本生命活动所必需的基因,由于实际测序方...
孙逸飞周茜徐桂芝
文献传递
一种基于仿生分层脉冲神经网络的AER对象识别方法
本发明为一种基于仿生分层脉冲神经网络的AER对象识别方法,该识别方法的过程是:首先将AER传感器输出的原始事件流数据进行基于脉冲神经元的事件流去噪;然后,将去噪后的事件流输入给时空特征提取和分类模块,最后输出分类结果。将...
周茜李小虎
基于脉冲时间依赖可塑性的自适应神经网络抗扰能力研究被引量:9
2015年
为探究生物神经网络的自组织抗扰特性,进而为电子系统的电磁仿生防护提供新的思路和方法,本文基于神经网络中信息传递的机制和脉冲时间依赖突触可塑性(STDP)机制,探讨了突触可塑性与生物自适应特性的关系,然后选取Izhikevich神经元模型作为基本单元,以STDP机制调节的突触为桥梁,构建了四层的前馈神经网络模型,最后分析了该网络的自适应抗扰能力。仿真结果表明,基于STDP机制的神经网络具有很好的抗扰能力,且这种特性与STDP机制密切相关。基于此仿真工作将进一步进行领域转换,搭建模拟生物神经系统信息处理机制的神经元及突触的单元电路,并以该单元电路为基础设计具有自适应抗扰的电子电路。
陈云芝徐桂芝周茜郭苗苗郭磊万晓伟
关键词:神经网络
抑制性STDP突触机制对皮层网络的调节被引量:1
2018年
为研究抑制性突触的脉冲时间依赖可塑性(spike-timing-dependent-plasticity,STDP)突触机制对大脑皮层网络的调节作用,构建了脑皮层神经网络的局部回路模型。通过模型观察到,在兴奋性与抑制性突触的共同作用下,不同类型突触连接的平均强度均维持稳定,保证了皮层网络自身的平稳放电;随着抑制性STDP突触规则学习率的增大,网络中神经元集群的平均放电率和同步指数均增大,兴奋性突触的整体强度减弱,抑制性突触的整体强度增强;揭示了皮层网络中兴奋性与抑制性的调节过程,有助于认识抑制性突触可塑性在皮层网络功能机制中的重要作用。
周茜杨秋徐桂芝
基于Gabor滤波器的事件流特征增强及事件相机对象识别
2024年
基于Gabor滤波器的事件驱动卷积是仿生分层脉冲神经网络中常用的事件相机对象特征提取方法。为提高该类网络事件相机对象特征提取能力,提出基于Gabor滤波器的事件流特征增强算法,并应用于奖励调节STDP规则的脉冲神经网络事件相机对象识别系统。算法首先将事件流按时间窗口划分为事件流片段,然后提取各时间窗口内的事件流片段特征,同时增强事件数量较多的时间窗口内特征。并基于奖励调节STDP规则帮助网络学习诊断性特征。采用增强算法的网络在MNIST-DVS数据集上的分类精度优于未采用增强算法的网络,并且对于较短的事件流输入也有很好的分类能力。该事件流特征增强算法能够提高基于Gabor滤波器的事件驱动卷积对事件相机对象的特征提取能力。
周茜郑鹏
关键词:GABOR滤波器
磁刺激穴位对大脑功能网络的影响被引量:9
2013年
基于复杂网络理论,研究磁刺激穴位时大脑功能连接的变化情况。利用互相关和互信息方法,分析了7名被试内关穴磁刺激前、刺激中、刺激后同步脑电信号的通道间关联特性,构建了大脑功能网络,并利用复杂网络分析方法对其进行了中心化程度评价,分析了几种状态下的关键脑区。结果表明:1 Hz刺激与刺激前相比,顶叶内部、顶叶与中央区节点间的关联程度发生了统一增强,额叶与枕叶、额叶与顶枕叶节点间的关联程度发生了统一减弱;3 Hz刺激与刺激前相比,统一增强的区域集中在额叶内部、中央区内部、额叶与中央区、额叶与顶叶、额叶与颞叶、中央区与颞叶、中央区与顶叶节点之间。度值较大的节点主要分布在额叶和中央区,介数值较大的节点主要分布在顶叶、中央区以及顶枕区。此研究有助于揭示磁刺激穴位对大脑功能网络的影响。
尹宁徐桂芝于洪丽周茜郭磊
关键词:磁刺激穴位介数
磁刺激穴位复杂脑功能网络构建与分析被引量:15
2013年
本文采用互信息方法对磁刺激内关穴过程中的脑电信号进行了两两通道间非线性时域关联特性分析,构建了不同频率刺激前、刺激中、刺激后的脑功能网络,并基于复杂网络理论对脑功能网络的特征进行了深入研究.结果表明,磁刺激频率为3Hz时,大脑功能网络的平均度、平均聚类系数和全局效率与刺激前相比均有显著升高,平均路径长度显著降低,并且相应脑功能网络的"小世界"属性有所增强,信息在大脑各区域间的传递更加高效.本研究首次开展了磁刺激穴位复杂脑功能网络的构建与分析,为探索磁刺激穴位对大脑神经调节的作用和机理提供新思路和新方法.
尹宁徐桂芝周茜
关键词:复杂网络磁刺激互信息
共2页<12>
聚类工具0