1、最近幾年來，人工神經(jīng)網(wǎng)絡(luò)的研究重點(diǎn)逐漸轉(zhuǎn)向更具生物真實(shí)性的脈沖神經(jīng)網(wǎng)絡(luò)。隨著神經(jīng)科學(xué)研究和技術(shù)的快速進(jìn)展，很多研究者認(rèn)為基于脈沖定時(shí)的大規(guī)模神經(jīng)網(wǎng)絡(luò)是腦進(jìn)行信息處理的基礎(chǔ)。然而從神經(jīng)科學(xué)的研究成果出發(fā)，對(duì)脈沖神經(jīng)網(wǎng)絡(luò)進(jìn)行有效的建模和計(jì)算，將面臨許多概念和技術(shù)上的挑戰(zhàn)。本文旨在解決脈沖神經(jīng)網(wǎng)絡(luò)的兩個(gè)基本問題：(1)如何模擬單神經(jīng)元的脈沖動(dòng)態(tài)特性和由多神經(jīng)元構(gòu)成的網(wǎng)絡(luò)；(2)如何發(fā)育和進(jìn)化大規(guī)模脈沖神經(jīng)網(wǎng)絡(luò)。
　　結(jié)合Hodgkin-

2、Huxley神經(jīng)元模型的動(dòng)力學(xué)特性與IF(Integrate-and-Fire, IF)神經(jīng)元模型的解析特性，研究了一種新的二維分段線性脈沖神經(jīng)元模型。該模型的優(yōu)點(diǎn)在于既可通過分岔理論對(duì)興奮性系統(tǒng)進(jìn)行定性描述，又可通過狀態(tài)變量的解析式對(duì)神經(jīng)元行為進(jìn)行定量分析。通過詳細(xì)的分析，發(fā)現(xiàn)該模型具有許多一維IF神經(jīng)元模型所不具有的新的神經(jīng)計(jì)算特性。在實(shí)驗(yàn)中，應(yīng)用該模型模擬了大部分已知皮層神經(jīng)元的脈沖和簇放電行為。
　　神經(jīng)計(jì)算依賴于由神經(jīng)元

3、模型構(gòu)成的大規(guī)模網(wǎng)絡(luò)的有效模擬。本文研究了一種新的可進(jìn)行精確模擬的指數(shù)突觸電導(dǎo)IF神經(jīng)元模型，通過單脈沖激勵(lì)的突觸后電位和多脈沖激勵(lì)的自發(fā)放電統(tǒng)計(jì)分析，發(fā)現(xiàn)該模型的脈沖反應(yīng)動(dòng)態(tài)特性與指數(shù)突觸電導(dǎo)被動(dòng)膜方程模型接近，而計(jì)算效率接近脈沖耦合漏電IF神經(jīng)元模型。同時(shí)構(gòu)建了指數(shù)突觸電導(dǎo)IF神經(jīng)元模型的事件驅(qū)動(dòng)模擬策略，并分別應(yīng)用事件驅(qū)動(dòng)和時(shí)鐘驅(qū)動(dòng)模擬策略模擬了由指數(shù)突觸電導(dǎo)IF神經(jīng)元構(gòu)成的大規(guī)模隨機(jī)網(wǎng)絡(luò)，結(jié)果表明：(1)在事件驅(qū)動(dòng)模擬策略中，模

4、擬時(shí)間和總的脈沖事件數(shù)線性成比例；(2)在不同的模擬策略中，脈沖事件的時(shí)間精度會(huì)影響網(wǎng)絡(luò)的神經(jīng)動(dòng)態(tài)特性。
　　基于編碼網(wǎng)絡(luò)結(jié)構(gòu)和動(dòng)態(tài)特性的人工基因組模型，研究了具有固定長度和可變長度的兩類基因片斷復(fù)制與歧化模型進(jìn)化基因調(diào)控網(wǎng)絡(luò)。應(yīng)用分析和模擬技術(shù)，發(fā)現(xiàn)這兩類網(wǎng)絡(luò)具有和生物基因調(diào)控網(wǎng)絡(luò)相近的結(jié)構(gòu)特征，表現(xiàn)出無標(biāo)度和小世界的拓?fù)浣Y(jié)構(gòu)。同時(shí)也發(fā)現(xiàn)這些網(wǎng)絡(luò)具有和生物基因調(diào)控網(wǎng)絡(luò)相似的動(dòng)態(tài)特性，以更大的概率運(yùn)轉(zhuǎn)在有序狀態(tài)，以更小的概率運(yùn)轉(zhuǎn)在

5、混沌狀態(tài)。結(jié)果表明基因調(diào)控網(wǎng)絡(luò)的生成方法，特別是基因片段復(fù)制與歧化，對(duì)于網(wǎng)絡(luò)結(jié)構(gòu)和動(dòng)態(tài)特性的突現(xiàn)具有重要的作用。
　　越來越多的研究表明發(fā)育偏差對(duì)于生物體的形成具有重要的作用，自然選擇并不是唯一決定進(jìn)化變化方向的因素。本文研究了一種人工細(xì)胞譜系發(fā)育的計(jì)算模型，并用該模型生成各類不同表現(xiàn)型復(fù)雜性的隨機(jī)生物體，分析了變異算子對(duì)發(fā)育偏差的作用。結(jié)果表明：首先，發(fā)育系統(tǒng)存在內(nèi)在的發(fā)育偏差，并隨著模型參數(shù)的不同而變化；其次，發(fā)育偏差隨著表現(xiàn)

6、型復(fù)雜性和變異算子的不同而變化，基因片段復(fù)制與歧化算子影響發(fā)育偏差的模式；最后，累積變異的發(fā)育偏差影響生物體進(jìn)化變化的方向，并使表現(xiàn)型的復(fù)雜性逐漸增長。
　　通過自然進(jìn)化得到的腦包含幾十億的神經(jīng)元和幾萬億的神經(jīng)連接，并表現(xiàn)出復(fù)雜的智能行為。受生物腦進(jìn)化的啟迪，研究者開辟了進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究領(lǐng)域。以人工基因組模型為框架描述基因調(diào)控網(wǎng)絡(luò)，用基因表達(dá)的動(dòng)態(tài)特性表示細(xì)胞命運(yùn)特化的發(fā)育過程，研究了一種進(jìn)化大規(guī)模脈沖神經(jīng)網(wǎng)絡(luò)的發(fā)育方法。該方法