發(fā)布時間：2020-06-01 07:03

【摘要】：腦電信號(Electroencephalogram,EEG)包含很多生理和疾病信息,為某些腦疾病的診斷和治療提供了依據(jù)。大腦是復(fù)雜的網(wǎng)絡(luò)系統(tǒng),由單個神經(jīng)群為節(jié)點構(gòu)成的腦網(wǎng)絡(luò)模型可以模擬不同節(jié)律的腦電信號。對腦網(wǎng)絡(luò)模型的動力學(xué)分析有助于挖掘腦節(jié)律產(chǎn)生的原因,更好的理解疾病的發(fā)病機制,對腦網(wǎng)絡(luò)模型的反饋控制策略研究可以為腦節(jié)律的調(diào)制和腦疾病的治療提供新的思路。本文從復(fù)雜網(wǎng)絡(luò)角度對經(jīng)典的神經(jīng)群模型進(jìn)行拓展,把單個神經(jīng)群模型視為網(wǎng)絡(luò)中的節(jié)點,構(gòu)造具有不同拓?fù)涞哪X網(wǎng)絡(luò)模型,對模型的動力學(xué)特性進(jìn)行統(tǒng)計分析,并根據(jù)不同的拓?fù)浣Y(jié)構(gòu)給出不同的牽制控制策略對動力學(xué)特性進(jìn)行控制。首先,構(gòu)造具有規(guī)則、小世界、無標(biāo)度和隨機拓?fù)涞哪X網(wǎng)絡(luò)模型,用改進(jìn)的排序熵算法對腦電信號的復(fù)雜性進(jìn)行統(tǒng)計分析,研究耦合強度、網(wǎng)絡(luò)參量和拓?fù)浣Y(jié)構(gòu)對動力學(xué)特性的影響,進(jìn)而利用可編程片上系統(tǒng)(System on Programmable Chip,SOPC)構(gòu)建腦網(wǎng)絡(luò)模型以模擬腦電信號。其次,將牽制控制和模糊Proportion Integration Differentiation(PID)控制相結(jié)合,應(yīng)用于具有小世界拓?fù)涞哪X網(wǎng)絡(luò)模型的動力學(xué)控制中,分析不同的控制策略對控制效果的影響,仿真驗證特定的牽制控制在小世界拓?fù)涞哪X網(wǎng)絡(luò)模型中的有效性,同時分析模型重要參數(shù)對控制能量的影響和最小驅(qū)動節(jié)點個數(shù)的影響。最后,將牽制控制和模糊PID控制相結(jié)合應(yīng)用于規(guī)則、小世界、無標(biāo)度和隨機拓?fù)涞哪X網(wǎng)絡(luò)模型的動力學(xué)控制中,研究在不同的拓?fù)湎码S機牽制控制策略和特定牽制控制策略對控制效果的影響,分析拓?fù)浣Y(jié)構(gòu)和耦合強度對驅(qū)動節(jié)點個數(shù)的影響。
【圖文】：

1.4 本文主要內(nèi)容以及結(jié)構(gòu)安排本文主要對不同拓?fù)涞哪X網(wǎng)絡(luò)模型進(jìn)行動力學(xué)分析并對動力學(xué)進(jìn)行控制。以單個神經(jīng)群模型為節(jié)點，根據(jù)圖論和復(fù)雜網(wǎng)絡(luò)理論相應(yīng)的構(gòu)造算法，，構(gòu)建不同拓?fù)涞哪X網(wǎng)絡(luò)模型，運用改進(jìn)的排序熵算法對模型的動力學(xué)特性進(jìn)行復(fù)雜性特征提取并比較不同拓?fù)浣Y(jié)構(gòu)的腦網(wǎng)絡(luò)模型動力學(xué)特性的異同。對不同拓?fù)涞哪X網(wǎng)絡(luò)模型給出不同的牽制控制策略以實現(xiàn)動力學(xué)控制。首先，對具有小世界拓?fù)涞哪X網(wǎng)絡(luò)模型進(jìn)行詳細(xì)地研究，給出多種不同的牽制控制策略，分別從控制效果和控制能量兩方面驗證特定的牽制控制策略在小世界拓?fù)涞哪X網(wǎng)絡(luò)模型中的有效性。對小世界拓?fù)涞哪X網(wǎng)絡(luò)模型閉環(huán)控制策略的研究為后續(xù)研究打下了基礎(chǔ)，因為腦網(wǎng)絡(luò)中除了呈現(xiàn)小世界特性外，還可能存在其他的拓?fù)浣Y(jié)構(gòu)，包括規(guī)則、無標(biāo)度和隨機拓?fù)�，所以本文基于真實的腦網(wǎng)絡(luò)對具有規(guī)則、小世界、無標(biāo)度和隨機拓?fù)涞哪X網(wǎng)絡(luò)模型進(jìn)行牽制控制方面的研究，圖 1-1 給出了文中研究內(nèi)容的示意。

本章首先介紹利用神經(jīng)群模型模擬腦電信號的原理，介紹單個神經(jīng)群模型的及對應(yīng)的微分方程，給出神經(jīng)群模型對應(yīng)參數(shù)的生理含義及標(biāo)準(zhǔn)值。其次，在神經(jīng)群模型的基礎(chǔ)上，介紹了多個神經(jīng)群耦合模型的微分方程，并介紹對應(yīng)參含義。再次，給出圖論和復(fù)雜網(wǎng)絡(luò)理論中的一些基本概念，包括網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)絡(luò)特征參量和牽制控制的基本知識。最后，介紹 FPGA 和模糊控制原理的一些知識。.1 神經(jīng)群模型(1) 單個神經(jīng)群模型神經(jīng)群模型是一種集總參數(shù)模型，可以模擬真實的腦電信號，它借助于興奮抑制性細(xì)胞相互作用來產(chǎn)生神經(jīng)振蕩。圖 2-1 給出了單個神經(jīng)群模型的框圖，由分構(gòu)成，虛線框外的的表示非錐體細(xì)胞(星型細(xì)胞、藍(lán)細(xì)胞等)，記為子群 1，它受興奮性輸入。虛線框內(nèi)的表示錐體細(xì)胞記為子群 2，錐體細(xì)胞主要接受來自星胞或藍(lán)細(xì)胞的興奮性或抑制性反饋。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R741.044;TP13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李銀;位瑞英;;時滯離散網(wǎng)絡(luò)模型的動力學(xué)分析與同步[J];數(shù)學(xué)建模及其應(yīng)用;2017年04期

2 劉強;方錦清;李永;;五百強企業(yè)超網(wǎng)絡(luò)模型研究[J];中國原子能科學(xué)研究院年報;2016年00期

3 劉強;方錦清;李永;;超網(wǎng)絡(luò)模型交叉度分析[J];中國原子能科學(xué)研究院年報;2013年00期

4 石海平;陸婧;楊忠振;;基于超級運輸網(wǎng)絡(luò)模型的綜合運輸政策效果分析[J];物流技術(shù);2012年13期

5 李得榮;楊建梅;李欣榮;謝偉聰;;產(chǎn)業(yè)競爭關(guān)系復(fù)雜網(wǎng)絡(luò)模型群分析——以中國汽車零部件產(chǎn)業(yè)為例[J];管理學(xué)報;2010年05期

6 王景峰;李健;朱玉杰;;基于復(fù)雜網(wǎng)絡(luò)模型的協(xié)同制造服務(wù)網(wǎng)建立方法[J];森林工程;2010年06期

7 魏江，蔡延光，陳勁，錢積新，許慶瑞;不同創(chuàng)新項目相互影響的網(wǎng)絡(luò)模型[J];決策與決策支持系統(tǒng);1994年03期

8 ;美國小學(xué)的“課堂計算機網(wǎng)絡(luò)模型”[J];比較教育研究;1995年05期

9 王宗培;張一鳴;;混合式步進(jìn)電動機的通用磁網(wǎng)絡(luò)模型[J];微特電機;1992年04期

10 陳志明;一種適合水利水電工程施工的網(wǎng)絡(luò)模型[J];水力發(fā)電;1985年01期

相關(guān)會議論文 前10條

1 劉強;方錦清;李永;;超網(wǎng)絡(luò)模型交叉度分析[A];中國原子能科學(xué)研究院年報 2013[C];2014年

2 張書超;那日薩;;具有老化機制的阿波羅網(wǎng)絡(luò)模型[A];2006全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文集[C];2006年

3 秦紹萌;陳勇;;生態(tài)系統(tǒng)宏觀演化的網(wǎng)絡(luò)模型[A];2006全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文集[C];2006年

4 王仲君;黃紅球;;一個具有確定度分布的有向網(wǎng)絡(luò)模型[A];2006全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文集[C];2006年

5 李艷芳;何登旭;劉向虎;;泰勒展開式的泛函網(wǎng)絡(luò)模型及學(xué)習(xí)算法[A];計算機技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

6 李瀅;黨延忠;;基于問題處理多維知識網(wǎng)絡(luò)模型的決策支持研究[A];第十屆（2015）中國管理學(xué)年會論文集[C];2015年

7 劉仙;方媛;孫呈霞;高慶;;具有不同拓?fù)浣Y(jié)構(gòu)腦網(wǎng)絡(luò)模型的牽制控制[A];第37屆中國控制會議論文集（D）[C];2018年

8 駱繼明;郭新軍;;分布復(fù)雜機電系統(tǒng)網(wǎng)絡(luò)模型圖自動生成算法研究[A];煤礦機電一體化新技術(shù)創(chuàng)新與發(fā)展2012學(xué)術(shù)年會論文集[C];2012年

9 姜江;趙青松;楊克巍;陳英武;;證據(jù)網(wǎng)絡(luò)模型及其推理決策方法研究[A];社會經(jīng)濟發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第17屆學(xué)術(shù)年會論文集[C];2012年

10 劉貝;李勇;孟繁疆;蘆艷敏;;基因調(diào)控網(wǎng)絡(luò)模型的研究[A];黑龍江省計算機學(xué)會2007年學(xué)術(shù)交流年會論文集[C];2007年

相關(guān)重要報紙文章 前4條

1 馮衛(wèi)東;美構(gòu)建可快速確認(rèn)基因功能的基因網(wǎng)絡(luò)模型[N];科技日報;2008年

2 李贊;規(guī)劃ADSL三層結(jié)構(gòu)網(wǎng)絡(luò)模型[N];通信產(chǎn)業(yè)報;2004年

3 ;智能光網(wǎng)絡(luò)的網(wǎng)絡(luò)模型[N];人民郵電;2003年

4 王甲佳;構(gòu)建網(wǎng)絡(luò)模型，解決庫存積壓[N];中國信息化周報;2014年

相關(guān)博士學(xué)位論文 前10條

1 呂琦;數(shù)據(jù)中心網(wǎng)絡(luò)模型研究[D];南京大學(xué);2013年

2 許麗;砂巖油藏孔隙網(wǎng)絡(luò)模型構(gòu)造及應(yīng)用研究[D];西南石油大學(xué);2015年

3 吳昊;基于網(wǎng)絡(luò)模型的癌癥致病模式挖掘方法[D];西安電子科技大學(xué);2016年

4 譚光興;人工免疫系統(tǒng)動力學(xué)模型及其在優(yōu)化控制中的應(yīng)用[D];華南理工大學(xué);2006年

5 劉勝久;復(fù)雜網(wǎng)絡(luò)模型構(gòu)建及特性分析[D];西南交通大學(xué);2015年

6 譚利;復(fù)雜網(wǎng)絡(luò)模型及應(yīng)用研究[D];中南大學(xué);2010年

7 齊峰;人工神經(jīng)樹網(wǎng)絡(luò)模型的優(yōu)化研究與應(yīng)用[D];山東師范大學(xué);2011年

8 黃朝琴;基于離散縫洞網(wǎng)絡(luò)模型的多尺度兩相流動模擬理論研究[D];中國石油大學(xué)（華東）;2012年

9 李淑靜;復(fù)合復(fù)雜網(wǎng)絡(luò)模型研究與應(yīng)用[D];青島大學(xué);2011年

10 張允;裂縫性油藏離散裂縫網(wǎng)絡(luò)模型數(shù)值模擬研究[D];中國石油大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 賈超;基于逃避規(guī)則下的洗錢網(wǎng)絡(luò)模型構(gòu)建與監(jiān)測應(yīng)用研究[D];山西師范大學(xué);2017年

2 方媛;腦網(wǎng)絡(luò)模型的動力學(xué)分析與牽制控制[D];燕山大學(xué);2018年

3 周祥全;卷積網(wǎng)絡(luò)模型及其在遙感圖像目標(biāo)識別中的應(yīng)用[D];成都理工大學(xué);2018年

4 吳博;一種基于動態(tài)DCVS網(wǎng)絡(luò)模型的流量規(guī)劃方法研究[D];昆明理工大學(xué);2018年

5 鄧廣偉;基于深度學(xué)習(xí)的圖像哈希檢索方法研究[D];湖南大學(xué);2018年

6 汪冉;基于深度學(xué)習(xí)的句子情感分類[D];南京理工大學(xué);2018年

7 蔡林森;基于深度學(xué)習(xí)的關(guān)聯(lián)目標(biāo)情感分析研究[D];華東師范大學(xué);2018年

8 黎李強;深度網(wǎng)絡(luò)模型壓縮及其在人臉識別的應(yīng)用[D];華南理工大學(xué);2018年

9 劉遠(yuǎn)超;一類確定性網(wǎng)絡(luò)模型的特性研究[D];青海師范大學(xué);2018年

10 彭鈺蘅;基于學(xué)習(xí)的自然圖像對稱性目標(biāo)檢測[D];大連理工大學(xué);2018年

本文編號：2691122