临界状态对神经网络信息处理能力的影响开题报告

1. 研究目的与意义（文献综述）

受生物脑工作机制启发的人工神经网络，是目前模式识别与人工智能的主流工具。随着计算机技术和网络技术的快速发展.已广泛用于模式识别、大数据处理、金融、工商业等广泛的领域，各行各业积累了无数庞杂的数据。可见，在这个大数据时代信息高效准确处理的重要性，信息处理的功效的影响因素的研究也有着重要的实用价值和理论意义。多年以来，人们基于生物神经元学习的机制提出了各种人工神经网络（artificial neural network，即ann），人工神经网络由于其具有良好的自适应性、非线性、学习性、容错性，在模式识别领域中有着重要的实用价值^[12]。本课题将基于神经科学的最新进展，即大脑工作在临界状态的发现，研究临界状态对于神经网络信息处理能力的影响。课题将为下一代类脑计算算法和体系结构的设计提供崭新启示，是创新性的应用基础研究，有重要的应用潜力。

一、ann的国内外发展状况

ann兴起于20世纪80年代，到目前一直是人工智能领域的研究热点。它的模型是人们从人脑神经元网络对信息处理角度进行抽象而建立的，按不同的神经元模型，不同的连接方式以及复杂程度组成了不同的ann。ann是一种仿真运算模型，由大量的独立单元——神经元之间相互关联连接构成。每个独立单元代表一种特定的输出函数，称为激励函数。每两个单元之间的信号传递的大小叫做连接权重，连接权值相当于ann中的记忆。ann是通过大量的训练数据进行学习从而得到校正后的输出矩阵，通过神经元之间的相互作用来实现信息的处理。但是神经网络的参数以及其处于的状态（亚临界态、临界态、超临界态）对神经网络的性能有较大影响。这一直都是这个领域的研究者尽量去克服、改善的一个地方。但是基于本身性能参数的研究在国内比较少。

2. 研究的基本内容与方案

一、基本内容及目标

本课题将基于神经科学的最新进展，即大脑工作在临界状态的发现，研究临界状态对于神经网络信息处理能力的影响。课题将为下一代类脑计算算法和体系结构的设计提供崭新启示，是创新性的应用基础研究，有重要的应用潜力。课题具体内容为：

1. 熟悉神经网络数学建模和数值仿真模拟的原理与技术；

3. 研究计划与安排

第1-3周 广泛查阅文献，明确选题，撰写开题报告

第4-5周 修改完善开题报告，并完成英文文献翻译

第6-7周 设计内容涉及的相关知识和技能的深入学习

4. 参考文献（12篇以上）

[1]yus, yang h, shriki o, et al. universal organization of resting brain activity atthe thermodynamic critical point.[j]. frontiers in systems neuroscience, 2013,7:42-42.

[2]beggs j m, dietmar p. neuronal avalanches inneocortical circuits.[j]. journal of neuroscience the official journal of thesociety for neuroscience, 2003, 23(35):11167-77.

[3]buckleyj j. the theory of critical phenomena: an introduction to the renormalizationgroup[m]// on the path of albert einstein. springer us, 1979:249-258.