亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種積分發(fā)放神經(jīng)元模型的最優(yōu)控制方法與流程

文檔序號(hào):11831792閱讀:586來源:國知局
一種積分發(fā)放神經(jīng)元模型的最優(yōu)控制方法與流程

本發(fā)明涉及神經(jīng)科學(xué)和智能優(yōu)化領(lǐng)域,具體地說是一種積分發(fā)放神經(jīng)元模型的最優(yōu)控制方法。



背景技術(shù):

脈沖放電在神經(jīng)系統(tǒng)信息傳遞中起著重要的作用。神經(jīng)元的放電序列既包含了神經(jīng)元間的通訊信息,又能反映神經(jīng)系統(tǒng)的結(jié)構(gòu)和神經(jīng)元狀態(tài)。因此,對(duì)該序列進(jìn)行充分的信號(hào)分析具有重要意義。振蕩活動(dòng)在神經(jīng)系統(tǒng)中無處不在,其同步行為已成為神經(jīng)信息學(xué)研究中關(guān)注的焦點(diǎn)。一些神經(jīng)系統(tǒng)疾病,如帕金森病,其發(fā)病的原因正是由于神經(jīng)元的異常同步活動(dòng)行為所致。治療帕金森病的一種有效方法,腦深層刺激技術(shù),本質(zhì)上就是對(duì)神經(jīng)元施加電刺激控制。

上世紀(jì)二十年代以來,動(dòng)作電位發(fā)放數(shù)率編碼感覺刺激信息的假說一直占據(jù)統(tǒng)治地位。然而,以動(dòng)作電位發(fā)放數(shù)率為指標(biāo)通常存在很大的變異性,近十年來認(rèn)為神經(jīng)放電時(shí)間編碼了感覺刺激受到越來越多關(guān)注。動(dòng)作電位發(fā)生時(shí)間比動(dòng)作電位發(fā)放數(shù)率作為感覺刺激編碼參數(shù)更具有高穩(wěn)定性和準(zhǔn)確性。因此,研究如何施加外部電刺激以控制動(dòng)作電位時(shí)間對(duì)于治療病理學(xué)疾病、調(diào)節(jié)神經(jīng)活動(dòng)等具有潛在實(shí)際意義。



技術(shù)實(shí)現(xiàn)要素:

本發(fā)明的目的在于綜合應(yīng)用積分發(fā)放神經(jīng)元模型和Memetic優(yōu)化算法推斷控制序列和電位發(fā)放時(shí)間之間的相互關(guān)系,提出一種積分發(fā)放神經(jīng)元模型的最優(yōu)控制方法,尋優(yōu)過程中以電位發(fā)放時(shí)間誤差為優(yōu)化算法的評(píng)價(jià)函數(shù),充分利用基于種群的全局搜索和基于個(gè)體的局部啟發(fā)式搜索,通過優(yōu)化種群分布,及早剔除不良個(gè)體,加快算法的求解速度,在保證較高收斂性能的基礎(chǔ)上,提高全局搜索能力,獲得高質(zhì)量的解,以推測(cè)出與最佳控制序列。

積分發(fā)放神經(jīng)元系統(tǒng)可以描述神經(jīng)元膜電位的動(dòng)力學(xué)行為,方程可表示為:

<mrow> <mi>&tau;</mi> <mfrac> <mrow> <mi>dV</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mi>dt</mi> </mfrac> <mo>=</mo> <msub> <mi>E</mi> <mi>L</mi> </msub> <mo>-</mo> <mi>V</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <mi>RI</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow>

式中,V表示神經(jīng)元膜電位,τ是時(shí)間常數(shù),R輸入阻抗,EL為漏電導(dǎo)平衡電位。在刺激電流I(t)作用下,當(dāng)膜電位V超過閾值Vth時(shí),神經(jīng)元會(huì)產(chǎn)生一個(gè)峰放電,同時(shí)V復(fù)位至靜息電位Vr。為了控制電位發(fā)放時(shí)間,設(shè)計(jì)時(shí)間窗t=(1,2,…,tf)上神經(jīng)元的輸入刺激序列(即控制序列),將期望電位發(fā)放時(shí)間與施加控制序列后達(dá)到的電位發(fā)放時(shí)間的誤差絕對(duì)值作為適應(yīng)度函數(shù),即

E=|tp-t*|

其中,t*、tp分別表示期望電位發(fā)放時(shí)間、預(yù)測(cè)電位發(fā)放時(shí)間。當(dāng)E=0時(shí),說明所設(shè)計(jì)的控制序列可實(shí)現(xiàn)電位發(fā)放時(shí)間與期望電位發(fā)放時(shí)間一致。

本發(fā)明采用的技術(shù)方案包含如下步驟:

步驟1:設(shè)定期望發(fā)放時(shí)間t*,確定搜索種群規(guī)模M,控制序列解空間維數(shù)大小D,雜交概率pc,變異概率pv,隨機(jī)產(chǎn)生M個(gè)初始個(gè)體,進(jìn)化代數(shù)變量k=1,最大進(jìn)化代數(shù)Kmax。

步驟2:產(chǎn)生初始群體。根據(jù)控制輸入范圍按均勻分布隨機(jī)產(chǎn)生tf個(gè)離散時(shí)間控制序列I(t),t=(1,2,…,tf)。

步驟3:編碼。根據(jù)控制序列的解空間,將可行解數(shù)據(jù)表示成搜索空間的浮點(diǎn)型串結(jié)構(gòu)數(shù)據(jù),這些串結(jié)構(gòu)數(shù)據(jù)不同組合構(gòu)成不同可行解。

步驟4:交叉。按照雜交概率pc在M個(gè)個(gè)體中任意選取兩個(gè)進(jìn)行雜交運(yùn)算,產(chǎn)生新一代群體的兩個(gè)新個(gè)體。

步驟5:變異。在雜交運(yùn)算雜生的新群體中,按照變異概率pv從中選取若干個(gè)體,進(jìn)行變異操作,更新控制序列。

步驟6:將控制序列作用到發(fā)放神經(jīng)元模型,獲得神經(jīng)元電位的離散序列,并獲得首次電位發(fā)放時(shí)間tp。

步驟7:計(jì)算適應(yīng)度函數(shù)。根據(jù)電位發(fā)放時(shí)間誤差分別計(jì)算每個(gè)個(gè)體的適應(yīng)度函數(shù),其公式為:

E=|tp-t*|

步驟8:選擇。從當(dāng)前群體中選擇M個(gè)優(yōu)良(適應(yīng)度高)的個(gè)體,選擇概率與其適應(yīng)度成正比,舍棄適應(yīng)度低的個(gè)體。

步驟9:局部搜索。對(duì)種群中的所有個(gè)體采用擬牛頓法進(jìn)行局部搜索。

步驟10:如果滿足停止條件或達(dá)到最大迭代次數(shù)(k=Kmax),則尋優(yōu)結(jié)束,所得到的全局最優(yōu)值,即為最佳控制序列;否則,k:=k+1,轉(zhuǎn)步驟4。

本發(fā)明與已有粒子群優(yōu)化算法相比具有以下優(yōu)點(diǎn):本發(fā)明積分發(fā)放神經(jīng)元模型的最優(yōu)控制方法結(jié)合了群體算法搜索的廣度優(yōu)點(diǎn)和局部搜索算法的深度優(yōu)點(diǎn),以電位發(fā)放時(shí)間誤差為適應(yīng)度函數(shù),通過個(gè)體間的交叉和變異增加了粒子的多樣性,利用個(gè)體的擇優(yōu)選取和局部搜索來提高優(yōu)化搜索效率,綜合考慮計(jì)算復(fù)雜度、高效搜索能力、全局性等方面性能,以獲得最佳控制序列。

附圖說明

圖1是基于本發(fā)明方案的最優(yōu)控制方法流程圖。

圖2是基于本發(fā)明方案的實(shí)施例最優(yōu)控制序列。

圖3是基于本發(fā)明方案的實(shí)施例電位響應(yīng)曲線結(jié)果。

具體實(shí)施方式

為了更好地理解本發(fā)明的技術(shù)方案,以下對(duì)實(shí)施方式作進(jìn)一步的詳細(xì)描述,并結(jié)合一個(gè)應(yīng)用實(shí)例來說明具體實(shí)施方式,但不限于此。

實(shí)施例:考慮一個(gè)積分發(fā)放神經(jīng)元模型:式中,時(shí)間常數(shù)為τ=5,輸入阻抗為R=1,膜電位閾值為Vth=-50,靜息電位為Vr=-55,漏電導(dǎo)平衡電位為EL=-65,輸入刺激電流I(t)范圍為[5,20]。利用歐拉方法對(duì)該神經(jīng)元模型進(jìn)行離散化,迭代步長(zhǎng)為dt=0.01。

本發(fā)明方法工作流程如圖1所示,具體實(shí)施方式可以分為以下幾步:

(1)設(shè)定期望發(fā)放時(shí)間t*=2,從而確定控制序列解空間維數(shù)大小D=200,搜索種群規(guī)模M=10,取雜交概率pc=0.95,變異概率pv=0.1,隨機(jī)產(chǎn)生M個(gè)初始個(gè)體,確定進(jìn)化代數(shù)變量k=1,最大進(jìn)化代數(shù)Kmax=15

(2)產(chǎn)生初始群體。根據(jù)控制輸入范圍[5,20]按均勻分布隨機(jī)產(chǎn)生tf=D個(gè)離散時(shí)間控制序列I(t),t=(1,2,…,tf)。

(3)編碼。根據(jù)控制序列的解空間,將可行解數(shù)據(jù)表示成搜索空間的浮點(diǎn)型串結(jié)構(gòu)數(shù)據(jù),這些串結(jié)構(gòu)數(shù)據(jù)不同組合構(gòu)成不同可行解。

(4)交叉。按照雜交概率pc在M個(gè)個(gè)體中任意選取兩個(gè)進(jìn)行雜交運(yùn)算,產(chǎn)生新一代群體的兩個(gè)新個(gè)體。

(5)變異。在雜交運(yùn)算雜生的新群體中,按照變異概率pv從中選取若干個(gè)體,進(jìn)行變異操作,更新控制序列。

(6)將控制序列作用到發(fā)放神經(jīng)元模型,獲得神經(jīng)元電位的離散序列,并獲得首次電位發(fā)放時(shí)間tp

(7)計(jì)算適應(yīng)度函數(shù)。根據(jù)電位發(fā)放時(shí)間誤差分別計(jì)算每個(gè)個(gè)體的適應(yīng)度函數(shù),其公式為:

E=|tp-t*|

(8)選擇。從當(dāng)前群體中選擇M個(gè)優(yōu)良(適應(yīng)度高)的個(gè)體,選擇概率與其適應(yīng)度成正比,舍棄適應(yīng)度低的個(gè)體。

(9)局部搜索。對(duì)種群中的所有個(gè)體采用擬牛頓法進(jìn)行局部搜索。

(10)如果滿足停止條件或達(dá)到最大迭代次數(shù)(k=Kmax),則尋優(yōu)結(jié)束,所得到的全局最優(yōu)值,即為最佳控制序列;否則,k:=k+1,轉(zhuǎn)(4)。

圖2顯示了基于本發(fā)明方案的最優(yōu)控制序列。在該最優(yōu)控制序列作用下,預(yù)測(cè)的電位發(fā)放時(shí)間為tp=2.02。圖3顯示了神經(jīng)元模型電位響應(yīng)過程曲線。由圖可見,即使進(jìn)化代數(shù)較少的情況下,本發(fā)明方案也能表現(xiàn)出較好的優(yōu)化性能。

上面對(duì)本發(fā)明所述積分發(fā)放神經(jīng)元模型的最優(yōu)控制方法進(jìn)行了詳細(xì)的說明,但本發(fā)明的具體實(shí)現(xiàn)形式并不局限于此。對(duì)本技術(shù)領(lǐng)域的一般技術(shù)人員來說,在不背離本發(fā)明所述方法的精神和權(quán)利要求范圍的情況下對(duì)它進(jìn)行的各種顯而易見的改變都在本發(fā)明的保護(hù)范圍之內(nèi)。

當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1