摘要：生物神经元同步控制是神经电生理学研究的热点和难点问题。针对生物神经元同步控制算法大多依据神经元模型且存在相对复杂、难以实现的不足,以Morris-Lecar神经元为研究对象,设计基于主动补偿的抗干扰控制同步算法,仅用一个控制输入实现无干扰时的生物神经元膜电位同步;同时,为研究干扰存在时Morris-Lecar神经元膜电位的同步效果,加入阶跃干扰,抗干扰同步控制算法能够有效估计和补偿干扰,实现膜电位同步。数值仿真结果表明抗干扰同步控制算法能够实时估计和补偿扰动对同步的影响,不依赖于神经元的精确模型而具有良好的同步效果,为生物神经元同步控制提供了一种简单有效的思路。

摘要：随着经济社会发展,水体富营养化程度日趋严重,藻类水华频发,水体生态安全受到严重威胁,直接影响城市发展建设和居民的正常生活。深入研究藻类水华形成机理,对藻类水华暴发这一非常规突发事件进行有效防治,对促进水环境保护具有重要意义。本文在对藻类水华形成机理深入分析的基础上,考虑常规藻类水华预测方法在样本选择、模型参数设置、预测精度等方面存在的问题,提出基于深度置信网络(Deep Belief Nets,DBNs)的藻类水华预测方法,通过网络结构与参数设计,实现了算法学习与训练。结果表明,该方法对数据信息利用率充分,藻类水华预测精度高,相对其他方法具有明显的优势,为湖库藻类水华预测提供一种新思路。