|
内源性一氧化氮(Nitric
Oxide,
简称NO)作为一种新的神经递质受到了神经生理学、心理学、医学、认知科学等研究领域的广泛关注。针对当前神经网络，特别是自组织神经网络中存在的学习能力较低的问题，国内外学者开始关注内源性NO的的扩散性在神经计算方面的研究。
由国防科学技术大学胡德文教授领导的课题组，在国家自然科学基金项目"NO自组织神经计算与机器人导航信息融合"的资助下，取得如下主要成果：
1.建立了内源性NO四维扩散模型，包括点源扩散模型、球形源扩散模型、中空球扩散模型、不规则外形扩散源模型，并依据量化仿真结果，分析了内源性NO扩散时所表现的各种特性。该研究是基于神经生理学、心理学与医学关于内源性NO的结构、产生机理、非局部扩散特性及其在神经活动中的重要作用，并参考热力学扩散模型完成的。
2.提出扩散型自组织映射模型DSOM与扩散生长型自组织神经气模型DGSOM，提高了原始自组织神经网络的精度和抗噪性，增加了模型应用的自适应性与维数估计。
3.建立了NO逆转录信使在神经粒子传输中的动态逆转录模型，提出了带NO反馈回路的新型自适应共振网络ART3，减少了ART3的学习时间；具有遗忘机制的ART3学习更科学、分类更准确。
4.提出了一种基于对偶四元数的捷联惯性导航新算法。该算法将传统算法中的圆锥、划船和卷轴修正整合到一起，简化了算法设计思路和结构，而且所对应的惯性导航方程理论上与传统方程一致。
5.提出了一种新的基于线性动态视觉与惯性融合的可观性分析方法。该方法基于具有加性过程和观测噪声的非线性动态系统的Unscented卡尔曼滤波问题，并将新的动态生长型自组织模型与非线性系统辨识、非线性时序滤波理论相结合。
上述研究成果系统地给出了内源性NO非局部扩散特性和逆转录信使特性的建模与仿真，提出了新的自组织算法，为移动机器人导航信息融合提供了理论基础。出版论著1本，共发表重要学术论文26篇，其中SCI收录17篇，多次在国际会议上发表特邀论文。 |
