神经元分类和不确定环境下神经元生长模拟研究.pdf

． 摘要 ， 如何对神经元进行准确的分类与识别一直是人类脑计划的重要难题。目前对 神经元的分类主要通过几何形态识别和电位发放两种方法，而电位发放是利用其 电位发放模式进行区分的，方法比较复杂。研究表明，神经元的几何形态分类方 法对揭示神经元的结构和功能都具有重要意义。因此，前期学者对神经元的几何 形态进行了大量研究，但其研究重点往往放在神经元几何特征的计算上，而这仅 仅是神经元基于几何形态分类的前提。目前已有学者开始运用一些简单的统计方 法对神经元进行分类，但对神经元的生长会对神经元几何形态产生的影响并没有 深刻的研究。 为了更精确的对神经元进行分类，本文除了应用成熟度较高的常规统计方法 外，对神经元生长存在的大量不确定现象，采用了刘宝碇教授提出的不确定理论 中的不确定分布模拟，为神经元的分类和生长模拟供了一种新的理论基础。 本文研究的对象是神经元的分类及其生长模拟，主要内容包括以下几个方面： 1．对比传统的主成分分析法和系统聚类法，建立了基于BP神经网络的神 ‘ 经元分类模型，对未知神经元进行了较好的分类； 2．采用上一章的神经元4级分类标准，同时建立基于树形结构的分类模型， 对不同动物的同一类神经元进行了准确分类： 3．建立了基于不确定理论的生长模拟系统，能够较好的实现对运动神经元 生长的模拟，并分析了神经元在不同生长时期对神经几何形态的影响。 论文的主要创新工作如下： 1．深入分析神经元形态特征并利用主成分分析理论提取主成分特征，设计 了四级分类体系，提出了新的神经元分类标准和分类方法； 2．采用基于树形结构的分类模型，将神经元分类细化到不同动物的同一类 神经元： 3．从不确定理论的角度，引入不确定空间的不确定变量和不确定分布，建 立了基于不确定理论的神经元生长模拟系统，进一步推广并拓宽了不确定理论的 。 应用领域； ‘ 4．提出扁度这个新概念，为今后继续研究神经元分类问题提供方向。 关键词：神经元分类，主成分分析，BP神经网络，不确定理论，生长模拟系统： I Abstract been Ithas a difficultissueforHumanBrain thathowto and key Project identify neuron are classify precisely．At present，theregeometricconfigurationrecognition and releasetwo of release potential waysclassification，whileis potential relatively asit issue to modelofneuron has complicatedusingpotential classify．Research shown，thegeometric ofneuronhasa configurationrecognition s