《神經高斯隨機場的建模、分析及套用》是依託復旦大學，由盧文聯擔任項目負責人的面上項目。
基本介紹
- 中文名：神經高斯隨機場的建模、分析及套用
- 依託單位：復旦大學
- 項目類別：面上項目
- 項目負責人：盧文聯
項目摘要,結題摘要,
項目摘要
本項目的目標是基於計算神經模型,通過構建輸入到輸出神經放電點過程的激發率的期望、方差（變異係數）和相關係數的映射，建立新的神經高斯隨機場模型，為研究計算神經科學建立一個新平台，利用數學和統計的工具分析計算神經科學中一些熱點問題，並套用於分析生物數據。我們希望做到：（1）、利用相關係數的發展方程研究神經同步發放鏈的演化和時空分布；（2）、基於高斯場和信息理論分析神經網路中的信息傳遞；（3）、利用Young測度和放鬆最佳化理論研究如何在噪音環境中實現精確的神經控制 ；（4）、發展高斯隨機場的學習算法，通過輸入輸出放電信號的相關係數研究STDP；（5）、基本建立基於神經高斯隨機場的fMCI數據處理和分析框架。我們希望通過該模型的建立和研究，能提供一類模型和方法，為神經計算科學與人工神經網路理論之間隔閡找一個連線的橋樑。
結題摘要
神經網路系統的建模與分析不僅是計算神經科學的重要問題，也能促進人工智慧系統的設計與研究。本項目中，項目組發展了神經系統模型，研究其動力學行為和信息控制相關問題，並套用於分析大腦影像數據。本項目的發現點包括：1. 發展神經網路系統的一致性協定和學習算法，揭示具有時變、非線性、時滯對於系統穩定性、同步性和分群性協調性行為的影響；引入事件驅動的思想，構建了實現網路化系統耦合連線，從而降低網路中節點間的同步和計算代價，套用於神經網路觸突連線的建模。2. 利用高斯過程描述神經控制信號的隨機性，從而建立簡單神經-運動控制模型，在此模型下利用控制與最佳化理論實現噪音環境下神經-運動的精確控制的；利用信息理論研究高斯神經場/網路模型的信息傳遞，通過時間序列的觀測獲得網路結構特徵。3. 運用前面所建立的基於高斯隨機場的模型與方法，建立基於信息量的網路結構刻畫的數學方法，揭示了表型特徵（數據）與這些網路結構特徵的聯繫；發展了大腦影像與基因數據的聯合分析體系，利用隨機場理論挖掘表型特徵（特別是與大腦疾病有關的特徵）相關聯的基因在大腦影像結構與功能的聯繫。這些結果不僅可加深對於神經同步這一大腦信息傳遞重要機制的理解，所發展和延伸出一般理論和方法可用於智慧型網路化系統的控制與理論分析。
