一、谈神经元的信息处理（论文文献综述）
张昌盛[1]（2021）在《人工智能、缸中之脑与虚拟人生——对元宇宙问题的跨学科研究》文中研究表明元宇宙是科学家们设想的一类与现实世界并行的虚拟世界。为了有助于科学认识元宇宙,简要梳理了元宇宙的思想史源流以及目前的发展现状;然后借助哲学家普特南的"缸中之脑"的思想实验问题的讨论,从科学和哲学两个角度对元宇宙问题进行理论分析,主要涉及大脑、意识与智能等的关系的探讨,同时涉及对强人工智能科技的可能性的讨论。在此基础上,从脑机接口和人工智能的技术条件和哲学基础两方面分析未来元宇宙可能实现的形态。最后,分析元宇宙对未来人类生活和文明的导向性和可能的负面影响。
周凡[2]（2021）在《数字经济时代下企业与个人未来的发展机遇》文中指出元宇宙,"Metaverse",是目前非常热的一个词 "元宇宙"在全球范围内引起广泛关注,资本巨头、国内外各大科技公司都纷纷加入其中。在这波浪潮中,国内不仅腾讯、今日头条等互联网巨头进行了业务布局,一些科技创新型公司依托自身优势也纷纷入局。站在中国的角度,它是叫元宇宙还是叫别的名称,还没有一个公论,
张铁林,徐波[3]（2021）在《脉冲神经网络研究现状及展望》文中认为脉冲神经网络（Spiking Neural Network,SNN）包含具有时序动力学特性的神经元节点、稳态-可塑性平衡的突触结构、功能特异性的网络环路等,高度借鉴了生物启发的局部非监督（如脉冲时序依赖可塑性、短时突触可塑性、局部稳态调节等）、全局弱监督（如多巴胺奖赏学习、基于能量的函数优化等）的生物优化方法,因此具有强大的时空信息表征、异步事件信息处理、网络自组织学习等能力.SNN的研究属于交叉学科,将深入融合脑科学和计算机科学,因此对其研究也可以主要分为两大类:一类是以更好地理解生物系统为最终目的;另一类是以追求卓越计算性能为优化目标.本文首先对当前这两大类SNN的研究进展、研究特点等进行分析,重点介绍基于Spike的多类异步信息编码、基于Motif分布的多亚型复杂网络结构、多层时钟网络自组织计算、神经形态计算芯片的软硬结合等.同时,介绍一种融合生物多尺度、多类型神经可塑性的高效SNN优化策略,使得SNN中的信度分配可以从宏观尺度有效覆盖到微观尺度,如全部的网络输出、网络隐层状态、局部的各个神经节点等,并部分解答生物系统是如何通过局部参数的调优而实现全局网络优化的问题.这将不仅为现有人工智能模型提高其认知能力指明一种可能的生物类优化方向,还为反向促进生命科学中生物神经网络的可塑性研究新发现提供启发.本文认为,脉冲神经网络的发展目标不是构建人工神经网络的生物版本替代品,而是通过突破生物启发的多尺度可塑性优化理论,去粗取精,最终实现具有生物认知计算特色的新一代高效脉冲神经网络模型,使其有望获得更快的学习速度、更小的能量消耗、更强的适应性和更好的可解释性等.
孙富钦,陆骐峰,张珽[4]（2021）在《柔性仿生触觉感知技术：从电子皮肤传感器到神经拟态仿生触觉感知系统》文中研究说明随着人工智能和大数据等信息技术的不断进步,仿生智能触觉感知技术快速发展并推动了人机融合、仿生机器人等领域的显着进步。作为其中重要的一部分,柔性仿生触觉感知器件由于在物理形态上与生物体具有较好的兼容性,近年来受到了广泛的关注。通过模仿生物皮肤,开发了不同结构和功能的柔性电子皮肤触觉传感器,实现触觉传感功能。然而随着数据量的不断增加,传统基于冯·诺依曼架构的触觉传感器面临着信息处理能力和能源效率的瓶颈,无法适应未来低功耗、智能感知的发展趋势。得益于生物神经系统高度并行的网络结构以及其事件触发式的处理模式,生物感知系统能够以更低的功耗实现对外界信号的感知,并通过调节突触权重来实现数据处理和记忆功能。因此模仿生物触觉感知系统,利用柔性触觉传感器与人工突触器件构建柔性神经拟态触觉感知系统是发展下一代低功耗与高生物兼容性的仿生触觉感知系统的新型范式。在本文中,我们对近年来柔性仿生触觉感知器件及系统的发展进行了综述,从不同类型的仿生电子皮肤触觉传感器件,到基于人工突触器件的神经拟态触觉感知系统都进行了整理和总结,分析了与神经拟态触觉感知系统相关的主要挑战和机遇,并提出了潜在的解决方案和建议。
黄庆明,王树徽,许倩倩,李亮,蒋树强[5]（2021）在《以图像视频为中心的跨媒体分析与推理》文中提出如何跨越从跨媒体数据到跨媒体知识所面临的"异构鸿沟"和"语义鸿沟",对体量巨大的跨媒体数据进行有效管理与利用,是发展新一代人工智能亟待突破的瓶颈问题。针对以图像视频为代表的海量网络跨媒体内容,借鉴人类感知与认知机理,本文对跨媒体内容统一表征与符号化表征、跨媒体深度关联理解、类人跨媒体智能推理等关键技术开展研究。基于上述关键技术,着力于解决发展新一代人工智能的知识匮乏共性难题,开展大规模跨媒体知识图谱的构建及人机协同标注技术研究,为跨媒体感知进阶到认知提供关键支撑,进一步为跨媒体理解、检索、内容转换生成等跨媒体内容管理与服务热点应用领域提供了可行思路。
莫宏伟,丛垚[6]（2021）在《类脑计算研究进展》文中指出类脑计算是国际上的热门研究领域,也是人工智能发展的重要转折点。首先,回顾了近年来研究学者对局部脑功能运行机理的重要发现,并了解了其在类脑模型中的应用,如注意力机制和类脑导航等。随后阐述了神经形态计算芯片和人工神经元等类脑计算硬件的结构和特点,并对各国研究进展进行了简要梳理,从多个角度对类脑计算的研究内容、研究目标、研究方案和技术路线进行了全面总结。最后结合各国脑研究计划,分别从硬件和模型两个层面对芯片-算法兼容性及局部-全局整合等类脑计算的研究趋势进行了展望。
王媛[7]（2021）在《基于突触可塑性的复杂系统中信息传输机制的研究》文中进行了进一步梳理大脑皮层的信息传递是一个异常复杂的过程,神经信息如何在大脑中进行整合与加工是21世纪科学界的重大挑战。计算神经科学作为一个结合了生物、物理、数学和计算机等多交叉专业理论和知识的学科,为理解大脑的信息传递机制开辟了新的路径。在生物脑的认知过程中,突触可塑性起着关键性的作用,它与人类的学习、记忆和推理等高级认知功能密切相关。所以突触可塑性对神经系统中信息传递机制的影响是近年来脑科学研究的热点。本论文通过建立数学理论模型结合计算机模拟计算的方法,重点关注了突触可塑性对两个耦合神经元、小世界神经网络以及兴奋抑制平衡神经网络中同步和神经节律的影响。通过理论与实验相结合,本论文主要工作和结论概括如下:1、深入研究了突触可塑性影响下的两个Hindmarsh-Rose神经元的簇放电同步行为特性以及神经元的节律转迁过程,耦合方式包括电突触和化学突触。同时,创造性地引入了一个衡量簇放电神经元同步特性的数字特征参数,同步窗口。分别探讨了耦合强度与学习速率对耦合神经元同步的影响以及突触可塑性对耦合神经元节律转迁的影响。研究结果表明,电突触耦合对神经元的同步具有增强作用。此外,神经元的峰放电同步和簇放电同步的相互转迁与神经元的初始放电状态具有密切的相关性。而在化学突触耦合的情况下,无论耦合类型是兴奋性还是抑制性,增加耦合强度都对神经元的峰放电同步有促进作用,但是兴奋性化学突触耦合状态下神经元的同步变化更明显。2、进一步考察了小世界神经元网络中的同步转迁与γ神经节律变化。用具有不同放电模式的Izhikevich神经元模型,构建了一个具有小世界网络拓扑结构的复杂网络模型来模拟大脑皮层的皮质区域。研究结果表明,随着突触连接的权重和每个节点的最近邻耦合神经元个数的增加,同步程度显着提高,并且γ波段节律与同步程度的变化趋向于一致。其次,CH放电模式的神经元可以更有效诱导网络系统实现完全同步,并且网络对控制参数的变化更加敏感。最后,采用混合的具有Regular Spiking（RS）放电模式的神经元与具有Chattering（CH）放电模式的神经元来共同模拟兴奋性神经元,而同样具有Fast Spiking（FS）放电模式的神经元在整个神经网络中始终扮演抑制性神经元的角色。研究结果发现具有簇放电模式神经元的神经网络比具有规律峰放电模式神经元的神经网络更容易达到完全同步,并且更容易受到参数变化的影响。3、综合地探讨了一个由兴奋性（E）锥体神经元和抑制性（Ⅰ）中间神经元组成的复杂网络,研究spike-timing-dependent plasity（STDP）可塑性与化学突触之间的相互作用对网络同步和震荡表现的影响。为了探索兴奋突触可塑性（eSTDP）以及抑制突触可塑性（iSTDP）在兴奋抑制平衡神经网络中的同步与振荡行为,综合性分析了三种不同的模型,包括纯粹由兴奋性锥体神经元与eSTDP兴奋性突触学习机制构成的复杂网络,由纯粹的抑制性中间神经元和iSTDP抑制性突触学习规则组成的复杂网络,以及由兴奋抑制平衡神经元网络结合混合突触可塑性建立的复杂网络集群模型。通过改变抑制中间神经元的数量、小世界网络拓扑结构中连接边的数量和耦合强度,这三个网络表现出不同的同步与振荡行为。此外,研究发现,eSTDP可以有效地促进同步,而iSTDP对同步没有显着的影响。有趣的是,在兴奋-抑制平衡神经网络中,eSTDP和iSTDP共同作用、互相制约,在调控网络平衡与稳定方面发挥着重要的作用。
顾晓春[8]（2021）在《刺激引发的Gamma神经振荡及其认知功能研究》文中研究表明大脑中的高频Gamma神经振荡已在许多脑区中被发现,它被认为是感觉信号的加工与处理、学习与记忆、特征绑定、神经信息编码和注意机制等多种认知功能的内在基础。研究Gamma神经振荡的产生机理及其认知作用有助于揭示大脑神经系统的信息处理机理,对类脑智能的研究具有重要意义。最近的神经生物学实验发现不同特征的刺激信号如不同灰度对比度的图像信号、图像声音混合信号以及不同大小的刺激信号能引发不同频率的Gamma振荡,即Gamma振荡的频率随着刺激信号特征的变化而敏感地变化。然而,这种频率敏感依赖于刺激（输入）的Gamma振荡的产生机理及其潜在的信息处理功能至今未明。为了揭示这种依赖于刺激的变频Gamma振荡的产生机理及其信息处理功能,本文采用理论建模及并行仿真技术,针对以下两个重要问题进行研究:各种特征的刺激调控的变频Gamma振荡的产生机理;刺激调控的变频Gamma振荡的信息处理功能。本文主要的创新性工作表述如下:（1）在简单刺激调控的兴奋性/抑制性（E/I）神经网络模型中,揭示了Gamma振荡由不平衡突触电流引发的机理及其振荡特性（振荡频率和振荡强度）受刺激的输入差异调控的机理。以简单输入作为刺激模型,建立了一个由Integrate-and-Fire神经元模型和基于电导的突触模型构成的E/I神经网络模型,通过仿真在该网络中复现了Gamma振荡及其振荡频率和振荡强度随E、I神经元输入之间的差异变化而敏感变化的现象,从而揭示了Gamma振荡的产生机理及其振荡特性敏感依赖于输入差异的机理。该机理为:由E、I神经元外部输入之间的差异引起的正负突触电流之间的不平衡引发了Gamma振荡;且输入差异越大,Gamma振荡越强且振荡频率越高。此外,为了进一步得到频率和输入差异之间明确的数学关系,采用了简化的E/I网络模型进行数学分析并获得了能够描述它们之间清晰关系的数学方程式,为理解刺激特征对Gamma振荡的调节机理提供了一个很好的方法。（2）在视觉刺激调控的E/I神经网络模型中,揭示了Gamma振荡由灰度对比度引发及其振荡特性受灰度对比度调控的机理。在上述（1）的研究基础上,引入了感受野模型模拟真实的视觉区神经元对外部视觉刺激的响应模式,建立了基于高斯差（Difference of Gaussians,DOG）感受野的光栅刺激模型,构建了一个更接近真实生物视觉系统的E/I神经网络模型。具有灰度对比度的光栅刺激映射到具有不同感受野的E、I神经元上,使E、I神经元具有不同的外部输入从而产生输入差。通过仿真复现了Gamma振荡及其振荡频率和振荡强度随灰度对比度（输入差异）的变化而敏感变化的现象,揭示了Gamma振荡的产生机理及其振荡特性依赖灰度对比度的机理,即灰度对比度引发了Gamma振荡的产生;且灰度对比度越大,Gamma振荡的频率越高且振荡越强。这一研究结果进一步验证了生物学实验结果,同时为揭示视觉刺激特征对Gamma振荡的调控机理提供了一种研究方法。（3）采用理论建模研究刺激调控的Gamma同步振荡的信息处理功能,揭示了一种新的放电率对比度增强的机理,即引起Gamma振荡的E/I神经网络中的抑制性同步可作为全局抑制增强放电率对比度,从而提高网络的信息传输能力。频率固定的Gamma同步振荡被认为和注意机制、特征绑定、学习和记忆等认知功能有关,但依赖于刺激特征的频率变化的Gamma振荡的信息处理功能可能有别于上述这些功能,具体有待进一步揭示。受神经系统中着名的侧抑制提高放电率对比度的启示（不同的外部刺激编码在不同的神经元的放电率上,放电率对比度越高意味着这些不同的神经元对各自对应的外部刺激的识别效果越好）,通过E/I神经网络中的抑制同步,揭示了放电率对比度增强的一种新机理,即同步的抑制性神经元起全局抑制作用,它能提高网络中兴奋性神经元的全局放电率对比度从而提高网络的信息传输能力,且E/I网络中Gamma同步振荡的这种功能不受其变化的频率的影响。（4）在一个具有多层立柱结构的大规模复杂神经网络中,采用CUDA并行技术进行模拟仿真并研究刺激调控的Gamma振荡,发现了Gamma振荡也能在具有复杂结构的大规模神经网络中产生并受刺激特征调控。根据脑区实际生物神经系统的特点,构建了一个由多种类型的神经元组成的具有多个网络层的立柱结构,使用多个这样的立柱建立了一个具有多层立柱结构的大规模复杂神经网络模型。基于CUDA并行算法和突触优化算法,针对这一大规模复杂神经网络,设计了一种新的并行算法并实现其模拟仿真,发现在具有多层立柱结构的大规模复杂神经网络中也出现了刺激引发的Gamma振荡及其振荡频率受输入差异的变化而变化的现象。本文的研究为揭示刺激引发的Gamma振荡的产生机理及其潜在的信息处理功能提供了基础,有助于促进对大脑认知功能与神经振荡关系的理解,对类脑智能的研究具有较大的理论意义。
杨艳灵[9]（2021）在《基于硅光子晶体微腔的类神经元光脉冲输出研究》文中研究表明随着光电子技术的快速发展与日趋成熟,使得研发出一种光子神经元成为了可能,光子神经元的各种典型特征与生物神经元十分相似。两者的主要区别在于生物神经元的性质只要由生物内化学物质决定,而光子神经元则是受光学设备内光源的特性影响。在运算速度上,光子神经元也具有十足的优势,其速度是生物神经元的百万乃至十亿倍,这一惊人的发现是其他人工神经元无法比拟的,还可以实现传统的数字或模拟光计算无法完成的复杂计算任务。针对传统神经元信息处理速度慢等的局限性,逐渐提出将光子处理技术引入到类神经元研究中。由于光子具有高速、高带宽和低能耗和高度并行的特点,因此适合应用于密度大、基于脉冲的超快处理网络。目前的光学神经元也面临着一些问题,特别是集成度低、功耗高、与CMOS集成工艺所需的硅材料不兼容等问题。而硅和与硅兼容的材料制备的硅光子器件能够产生类似于神经元特性的光子脉冲,并且优于电子类神经网络硬件系统,在将来光子神经网络系统中可能占有重要地位。本论文主要对基于硅光子晶体微腔的类神经元光脉冲输出研究进行了讨论和性能仿真,主要内容可概括如下:（1）对人工神经网络的基本情况进行了简要描述,讨论有关人工神经元相关的基础知识以及电子神经元和光子神经元的发展态势。概述了硅基光子学的相关理论基础,并对其研究现状和应用前景进行了简要的介绍。另外引出了光子晶体的基本概况,以及光子晶体微腔的研究背景和最新的研究进展,并对其基本理论以及相关的数值计算方法进行简单论述。（2）提出了具有高品质因数的硅光子晶体微腔,对其设计原理,理论背景知识,计算方法进行了介绍;描述基于硅光子晶体微腔的COMSOL Multiphysics模拟仿真,对硅基光子晶体微腔的电场和位移场模式、相关参数进行了理论分析,在谐振波长1550.4nm处光子晶体微腔能产生1.76×106的高品质因子。其次提出了基于硅光子晶体微腔的脉冲输出的理论模型,在合适的参数设置条件下,通过调节外部的注入光源强度,观察到微腔内较强的电场局域性,从而产生非线性效应。通过自由载流子吸收、热光效应、双光子吸收等非线性的调制,引起机械振荡和自发振荡,使得微腔中输出类神经元光脉冲。（3）首先介绍了硅光子微腔芯片的具体制备流程,以SOI为制备平台,制备出硅光子晶体微腔芯片。该芯片的尺寸约20μm,在谐振波长为1572.8nm处品质因数为54300,亚波长的模式体积为0.051(λ/nair)3。芯片的制备为接下来的基于硅光子晶体微腔的类神经元光脉冲输出研究提供了基础。提出了一种基于硅光子晶体微腔的脉冲神经元输出系统的方案:该方案的基本原理是在硅基光子晶体微腔结构中通过微机械谐振器的调制作用,使系统最终输出对应的类神经元光脉冲。我们证明光脉冲具有神经脉冲的所有典型特征,包括四个阶段:激发态,绝对不应期,相对不应期（Ⅰ）和相对不应期（Ⅱ）.。尖峰脉冲宽度只有大约4ns,比典型的生物神经元脉冲快一百万倍。与传统的神经元方案相比,我们的光学微腔芯片尺寸已达到约20μm,是非常快速的处理网络。特别是在硅材料上类神经元脉冲的实现,具有与CMOS工艺的自然兼容性以及良好的集成可扩展性。
栾海涛,陈希,张启明,蔚浩义,顾敏[10]（2021）在《人工智能纳米光子学：光学神经网络与纳米光子学》文中指出人工智能技术,特别是人工神经网络的创新引领了许多领域的应用革命,如网络搜索、计算机识别和语言、图像的识别技术。近年来纳米光子学的发展为传统的人工神经网络技术,特别是光学神经网络的发展带来了全新的物理视角以及截然不同的实现方法。一方面,纳米光子学是一门研究光与材料在纳米尺度相互作用的科学,可以带来全新的技术,如超分辨光学加工技术和超分辨光学成像技术,进而推动微纳尺度上多种功能的光学神经网络的实现。另一方面,纳米光子学中光子传播的多频段、高速度、低功耗的特点,促使了光学神经网络向着小体积、高密度、低功耗的方向发展。人工神经网络自身的发展也促使神经网络算法（如逆向设计、深度学习）在纳米光子学器件的设计中发挥前所未有的作用,以满足纳米光子学器件对自身功能、体积、集成度、计算功能的日益增长的要求。以神经网络的发展为起点,阐述人工神经网络特别是光学神经网络的发展趋势,以及人工神经网络与纳米光子学相互促进的发展历程。
二、谈神经元的信息处理（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、谈神经元的信息处理（论文提纲范文）
（1）人工智能、缸中之脑与虚拟人生——对元宇宙问题的跨学科研究（论文提纲范文）
| 一、元宇宙的理念渊源和前景 |
| (一)什么是真实的世界? |
| (二)元宇宙的前景展望 |
| 1.虚拟游戏 |
| 2.数字孪生城市 |
| 3.英伟达的元宇宙：数字孪生地球与数字孪生工厂 |
| 4.未来虚拟世界 |
| 二、元宇宙的思想来源、理论假说和哲学基础 |
| (一)普特南的“缸中之脑” |
| (二)“缸中之脑”隐含的理论假说 |
| (三) “缸中之脑”蕴含的哲学问题 |
| 三、元宇宙的技术基础及哲学问题 |
| (一)脑机接口 |
| (二)人工智能科技 |
| (三)元宇宙核心技术实现前景 |
| 四、余论 |
（2）数字经济时代下企业与个人未来的发展机遇（论文提纲范文）
| 信息的重要性 |
| 对信息的感知和处理过程是人类文明的发展过程 |
| 社会神经网络整体上感知和处理信息的能力有如下几个因子： |
| 企业解决数字空间面临的问题，推动数字空间的发展，就是企业的社会价值，也是企业的发展机会。 |
| 数字空间里每个个体（个人或组织）都是数字空间的主人 |
（4）柔性仿生触觉感知技术：从电子皮肤传感器到神经拟态仿生触觉感知系统（论文提纲范文）
| 0 引言 |
| 1 面向仿生感知的柔性触觉传感器 |
| 1.1 压阻式柔性触觉传感器 |
| 1.2 电容式柔性触觉传感器 |
| 1.3 压电式柔性触觉传感器 |
| 1.4 摩擦电式柔性触觉传感器 |
| 2 仿生柔性人工突触器件 |
| 2.1 神经突触及人工突触器件简介 |
| 2.2 基于忆阻器结构的两端柔性人工突触器件 |
| 2.2.1 基于ECM的两端柔性人工突触器件 |
| 2.2.2 基于VCM的两端柔性人工突触器件 |
| 2.2.3 基于PCM的两端柔性人工突触器件 |
| 2.2.4 基于FeM的两端柔性人工突触器件 |
| 2.3 基于晶体管结构的三端柔性人工突触器件 |
| 2.3.1 浮栅晶体管型三端柔性人工突触器件 |
| 2.3.2 双电层晶体管型三端柔性人工突触器件 |
| 2.3.3 电化学晶体管型三端柔性人工突触器件 |
| 2.3.4 铁电场效应晶体管型三端柔性人工突触器件 |
| 2.4 新型人工突触器件 |
| 2.4.1 磁性材料 |
| 2.4.2 二维材料 |
| 2.4.3 金属卤化物钙钛矿 |
| 2.5 小结 |
| 3 柔性神经拟态触觉感知系统 |
| 3.1 基于压阻式柔性传感器的神经拟态触觉感知系统 |
| 3.2 基于电容式柔性传感器的神经拟态触觉感知系统 |
| 3.3 基于压电式柔性传感器的神经拟态触觉感知系统 |
| 3.4 基于摩擦电柔性传感器的神经拟态触觉感知系统 |
| 3.5 基于神经拟态触觉感知系统的仿生运动神经元 |
| 3.6 小结 |
| 4 总结与展望 |
| 1、降低柔性人工突触器件/系统的功耗。 |
| 2、提高柔性人工突触器件的稳定性。 |
| 3、拓展柔性人工突触器件的功能。 |
| 4、柔性人工突触器件和神经拟态触觉感知系统的集成化制备。 |
（6）类脑计算研究进展（论文提纲范文）
| 0 引言 |
| 1 局部脑功能启发模型 |
| 1.1 注意力机制 |
| 1.2 长短期记忆网络 |
| 1.3 基于导航功能细胞的类脑导航 |
| (1)类脑导航 |
| (2)认知功能拓展 |
| 2 神经形态计算 |
| 2.1 神经形态模型 |
| 2.1.1 神经元模型 |
| (1)Integrate-and-Fire(I&F)模型 |
| (2) Leak Integrate-and-Fire(LIF)模型 |
| (3)Spike Response Model(SRM)模型 |
| 2.1.2 脉冲神经网络 |
| 2.1.3 CA3模型 |
| 2.2 神经形态芯片 |
| 3 人工大脑 |
| 3.1 人造神经元 |
| 3.2 人工突触 |
| 4 中国类脑研究 |
| 5 结论 |
（7）基于突触可塑性的复杂系统中信息传输机制的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本课题的研究方法及创新点 |
| 1.4 本论文的主要研究内容 |
| 第二章 基本知识和基本概念 |
| 2.1 生物神经系统预备知识 |
| 2.1.1 神经元的结构和功能 |
| 2.1.2 神经元的动作电位 |
| 2.1.3 神经突触 |
| 2.2 计算神经科学模型及其动力学 |
| 2.2.1 Hodgkin-Huxley神经元模型 |
| 2.2.2 Hindmarsh-Rose神经元模型 |
| 2.2.3 Izhikevich神经元 |
| 2.3 神经元的突触模型 |
| 2.3.1 化学突触 |
| 2.3.2 电突触 |
| 2.4 突触可塑性学习机制 |
| 2.5 神经系统中的同步与转迁 |
| 2.6 本课题的数值研究方法 |
| 第三章 突触可塑性影响下的耦合神经元的簇放电同步 |
| 3.1 引言 |
| 3.2 模型介绍及评价指标 |
| 3.2.1 神经元模型 |
| 3.2.2 具有突触可塑性的双耦合神经元模型 |
| 3.2.3 同步评价指标 |
| 3.3 具有突触可塑性的耦合HR神经元的簇同步和同步转迁 |
| 3.3.1 电耦合HR神经元的同步与突触可塑性 |
| 3.3.2 化学耦合HR神经元的同步与突触可塑性 |
| 3.4 本章小结 |
| 第四章 复杂小世界网络中的同步与节律转迁 |
| 4.1 引言 |
| 4.2 模型及评价指标 |
| 4.2.1 单个神经元模型及其动力学 |
| 4.2.2 网络的拓扑结构 |
| 4.2.3 评价指标 |
| 4.3 实验结果 |
| 4.3.1 RS神经元与FS神经元网络的同步与节律转迁 |
| 4.3.2 CH神经元与FS神经元网络的同步与节律转迁 |
| 4.3.3 混合兴奋性神经元(RS与CH)与FS神经元网络的同步与节律转迁 |
| 4.4 本章小结 |
| 第五章 具有脉冲时间依赖可塑性的兴奋性与抑制性神经网络的同步行为 |
| 5.1 引言 |
| 5.2 模型及评价指标 |
| 5.2.1 神经元数学模型 |
| 5.2.2 网络拓扑结构 |
| 5.2.3 突触模型 |
| 5.2.4 评价指标 |
| 5.3 实验结果与讨论 |
| 5.3.1 兴奋性脉冲时间依赖可塑性对纯兴奋性神经元网络的影响 |
| 5.3.2 抑制性脉冲时间依赖可塑性对纯抑制性神经元网络的影响 |
| 5.3.3 混合突触可塑性在兴奋抑制性平衡网络中的影响 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 工程中的应用 |
| 6.3 进一步工作 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（8）刺激引发的Gamma神经振荡及其认知功能研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 基于生物学实验的Gamma振荡研究 |
| 1.2.1 基于生物学实验的神经振荡及其功能研究 |
| 1.2.2 基于生物学实验的Gamma振荡研究现状 |
| 1.3 基于生物神经网络模型的Gamma振荡研究 |
| 1.3.1 生物神经网络模型 |
| 1.3.2 生物神经网络模型的仿真技术 |
| 1.3.3 基于生物神经网络模型的Gamma振荡研究现状 |
| 1.4 论文的研究问题及创新点 |
| 1.5 论文的章节安排 |
| 第二章 简单刺激调控的E/I神经网络Gamma振荡产生机理 |
| 2.1 引言 |
| 2.2 简单刺激调控的E/I神经网络模型设计 |
| 2.2.1 Integrate-and-Fire神经元模型 |
| 2.2.2 基于电导的突触模型 |
| 2.2.3 简单刺激调控的E/I神经网络模型 |
| 2.3 简单刺激调控的E/I神经网络的仿真 |
| 2.3.1 仿真方法 |
| 2.3.2 仿真结果 |
| 2.4 简单刺激调控的Gamma振荡的机理分析 |
| 2.4.1 振荡频率对输入差异的依赖性分析 |
| 2.4.2 振荡强度对输入差异的依赖性分析 |
| 2.5 小结 |
| 第三章 视觉刺激调控的E/I神经网络Gamma振荡产生机理 |
| 3.1 引言 |
| 3.2 视觉刺激调控的E/I神经网络模型设计 |
| 3.2.1 感受野模型设计 |
| 3.2.2 视觉刺激调控的E/I神经网络模型 |
| 3.3 视觉刺激调控的E/I神经网络的仿真 |
| 3.3.1 仿真方法 |
| 3.3.2 仿真结果与分析 |
| 3.4 小结 |
| 第四章 刺激调控的Gamma同步振荡信息处理功能建模研究 |
| 4.1 引言 |
| 4.2 神经放电率增强的侧抑制机制 |
| 4.3 侧抑制循环网络中放电率对比增强的机理 |
| 4.3.1 侧抑制循环神经网络模型 |
| 4.3.2 仿真方法和结果分析 |
| 4.4 同步抑制引起E/I网络全局对比度增强 |
| 4.4.1 简单E/I循环网络中全局放电率对比度增强 |
| 4.4.2 复杂同步E/I网络中全局放电率对比度增强 |
| 4.5 小结 |
| 第五章 具有复杂结构的大规模神经网络中刺激调控的Gamma振荡研究 |
| 5.1 引言 |
| 5.2 具有多层立柱结构的大规模复杂神经网络模型 |
| 5.3 具有多层立柱结构的大规模复杂神经网络的并行仿真 |
| 5.3.1 一种基于CUDA并行结合突触优化计算的并行算法 |
| 5.3.2 具有多层立柱结构的大规模复杂神经网络的新并行算法 |
| 5.4 并行仿真结果 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
| 攻读博士学位期间论文发表情况 |
| 攻读博士学位期间参与的项目 |
| 致谢 |
（9）基于硅光子晶体微腔的类神经元光脉冲输出研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 人工神经网络 |
| 1.2 生物神经元 |
| 1.2.1 生物神经元结构 |
| 1.2.2 生物神经元的信息处理机理 |
| 1.3 人工神经元 |
| 1.3.1 人工神经元概况 |
| 1.3.2 电子神经元 |
| 1.3.3 光子神经元 |
| 1.4 论文的研究内容和论文结构 |
| 第二章 硅光子晶体微腔及其研究方法 |
| 2.1 硅基光子学 |
| 2.1.1 硅基光子学简介 |
| 2.1.2 硅基光子学国内外研究现状 |
| 2.1.3 硅基光子学的应用及前景 |
| 2.2 光子晶体 |
| 2.2.1 光子晶体研究背景 |
| 2.2.2 光子晶体的基本原理 |
| 2.3 硅光子晶体微腔 |
| 2.3.1 光子晶体微腔的数值计算方法 |
| 2.3.2 光子晶体微腔的主要性能指标 |
| 2.3.3 光子晶体微腔的研究现状及应用 |
| 2.4 本章小结 |
| 第三章 基于硅光子晶体微腔的类神经元光输出理论研究 |
| 3.1 基于硅光子晶体微腔的COMSOL Multiphysics模拟仿真 |
| 3.1.1 有限元的COMSOL Multiphysics模拟仿真 |
| 3.1.2 光子晶体微腔模型设计 |
| 3.1.3 光子晶体微腔的COMSOL Multiphysics模拟仿真结果 |
| 3.2 基于硅光子晶体微腔的类神经元光脉冲输出的理论模型 |
| 3.3 基于硅光子晶体微腔脉冲神经元输出的数值仿真结果分析 |
| 3.3.1 硅光子晶体微腔数值模拟的动力学行为 |
| 3.3.2 单脉冲输出 |
| 3.3.3 双脉冲输出 |
| 3.4 本章小结 |
| 第四章 基于硅光子晶体微腔的类神经元光输出实验研究 |
| 4.1 硅基光子晶体微腔芯片的制备工艺 |
| 4.2 实验装置 |
| 4.3 基于硅光子晶体微腔脉冲神经元输出的实验结果分析 |
| 4.3.1 单脉冲输出 |
| 4.3.2 双脉冲输出 |
| 4.4 典型脉冲神经元特性对比 |
| 4.5 本章小结 |
| 第五章 总结及展望 |
| 5.1 本文的主要工作 |
| 5.2 下一步的工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间已发表的学术论文 |
| 攻读硕士期间参加的科研项目 |
| 攻读硕士期间发明的专利 |
（10）人工智能纳米光子学：光学神经网络与纳米光子学（论文提纲范文）
| 1 引 言 |
| 2 人工神经网络与纳米光子学 |
| 2.1 人工神经网络 |
| 2.2 光学神经网络 |
| 2.2.1 传统光学神经网络 |
| 2.2.2 纳米光子学神经网络 |
| 2.3 逆向设计与纳米光子学 |
| 2.3.1 基于优化算法的纳米光子学逆向设计 |
| 2.3.2 基于深度学习的纳米光子学逆向设计 |
| 2.4 人工光学突触 |
| 2.4.1 光学人工突触的基本特征 |
| 2.4.2 光学人工突触的工作原理以及实例 |
| 2.4.3 光学人工突触的应用 |
| 3 总结与展望 |
四、谈神经元的信息处理（论文参考文献）
- [1]人工智能、缸中之脑与虚拟人生——对元宇宙问题的跨学科研究[J]. 张昌盛. 重庆理工大学学报(社会科学), 2021(12)
- [2]数字经济时代下企业与个人未来的发展机遇[J]. 周凡. 数据, 2021(12)
- [3]脉冲神经网络研究现状及展望[J]. 张铁林,徐波. 计算机学报, 2021(09)
- [4]柔性仿生触觉感知技术：从电子皮肤传感器到神经拟态仿生触觉感知系统[J]. 孙富钦,陆骐峰,张珽. 功能材料与器件学报, 2021(04)
- [5]以图像视频为中心的跨媒体分析与推理[J]. 黄庆明,王树徽,许倩倩,李亮,蒋树强. 智能系统学报, 2021(05)
- [6]类脑计算研究进展[J]. 莫宏伟,丛垚. 导航定位与授时, 2021(04)
- [7]基于突触可塑性的复杂系统中信息传输机制的研究[D]. 王媛. 北京邮电大学, 2021(01)
- [8]刺激引发的Gamma神经振荡及其认知功能研究[D]. 顾晓春. 东华大学, 2021(01)
- [9]基于硅光子晶体微腔的类神经元光脉冲输出研究[D]. 杨艳灵. 西南大学, 2021(01)
- [10]人工智能纳米光子学：光学神经网络与纳米光子学[J]. 栾海涛,陈希,张启明,蔚浩义,顾敏. 光学学报, 2021(08)