您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202009-31
论文题目 一种简单有效的脉冲串概率模型
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

一种简单有效的脉冲串概率模型

首发时间:2020-09-11

黎宇豪 1   

黎宇豪(1997-),男,硕士,主要研究方向:信息与信号处理、无线认知自组织网络

胡静怡 2    张颢 3   

张颢(1972-),男,副教授,主要研究方向:智能交通系统、交通流理论、阵列信号处理、复杂随机信号分析

  • 1、北京邮电大学泛网无线通信教育部重点实验室,北京 100876
  • 2、中国科学院自动化研究所复杂系统管理与控制国家重点实验室,北京 100190
  • 3、清华大学电子工程系, 北京 100084

摘要:对神经元脉冲发放规律的准确估计是使脉冲神经网络能更有效地模拟生物智能的基础,对脉冲序列的建模工作长期以来通过引入更多控制因素、应用更充分的参数训练来达到更好的控制效果。为了实现对神经元脉冲发放规律作出快速、有效的估计,本文以真实脉冲样本的统计规律为依据,提出了一种考虑历史脉冲对发放强度影响的脉冲串概率模型--k-HS-λ模型。该模型的发放强度公式直观反映了真实脉冲样本的等待时间分布规律,其中包含两个未知参数c和a,参数c反映了无历史脉冲影响下的发放强度水平,参数a反映了历史脉冲对当前发放强度的影响。k-HS-λ模型参数的最佳值是通过对TRKS统计量的优化来确定的。最后,针对猴子快速脉冲神经元在接受感受野内刺激时发放的脉冲信号,分别使用标准泊松过程模型、k-HS-λ模型及gamma-TRRP模型进行建模实验。通过比较三种模型反映原始数据统计特性的准确程度,证明了k-HS-λ模型的实用性。

关键词: 脉冲串概率模型 k-HS-λ 脉冲发放强度 概率密度 KS图

For information in English, please click here

A simple and effective probabilistic model of spiking train

LI Yuhao 1   

黎宇豪(1997-),男,硕士,主要研究方向:信息与信号处理、无线认知自组织网络

HU Jingyi 2    ZHANG Hao 3   

张颢(1972-),男,副教授,主要研究方向:智能交通系统、交通流理论、阵列信号处理、复杂随机信号分析

  • 1、Key Lab of Universal Wireless Communications, Ministry of Education ,Beijing University of Posts & Telecommunications, Beijing 100876
  • 2、the State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chines Academy of Siences,Beijing 100190
  • 3、Department of Electronic Engineering, Tsinghua University, Beijing 100084

Abstract:The accurate estimation of the neuron spiking train is the basis for the spiking neuron networksv to simulate the biological intelligence more effectively. The modeling of spiking train has long been achieved by introducing more control factors and applying more sufficient parameter training. In order to make a fast and effective estimation of neuron spiking emission law, based on the statistical law of real pulse samples, a pulse train probability model, k-HS-λ model, which considers the influence of historical spiking train on the spiking intensity is proposed. The intensity formula of this model directly reflects the distribution law of the waiting time of real spiking train, including two parameters c and a. Parameter c reflects the intensity level without the influence of the historical spiking train, while parameter a reflects the influence of the historical spiking train on the current intensity. The optimal value for the k-HS-λ lambda model parameter is determined by optimizing the TRKS statistics. Finally, the standard Poisson process model, the k-HS-λ model and the gamma-TRRP model were respectively used to conduct modeling experiments for the pulse signals emitted by the fast spiking neuron when receiving the sensory field stimulation. The practicability of the k-HS-λ model is proved by comparing the accuracy of the three models in reflecting the statistical properties of the original data.

Keywords: probabilistic model of spiking train k-HS-λ intensity of spiking train probability density KS diagram

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
黎宇豪,胡静怡,张颢. 一种简单有效的脉冲串概率模型[EB/OL]. 北京:中国科技论文在线 [2020-09-11]. http://www.paper.edu.cn/releasepaper/content/202009-31.

No.****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

一种简单有效的脉冲串概率模型