可学习的任意维细胞神经网络及其新应用研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61175061
  • 项目类别：
    面上项目
  • 资助金额：
    57.0万
  • 负责人：
    纪禄平
  • 依托单位：
    电子科技大学
  • 学科分类：
    F0601.人工智能基础
  • 结题年份：
    2015
  • 批准年份：
    2011
  • 项目状态：
    已结题
  • 起止时间：
    2012-01-01 至2015-12-31

项目摘要

细胞神经网络是神经网络领域的热点研究问题之一，其二维结构网络在理论上日趋成熟，它也在工程领域中得到了广泛应用。本项目拟从传统的二维结构细胞神经网络模型出发，对网络的其它各维形态进行研究，通过扩展胞元连接模式建立各维网络的统一表达模型，再从机器学习理论出发，研究细胞神经网络的监督和半监督学习，建立相关算法并分析其收敛性。此外，项目还将对细胞神经网络的新应用进行研究，重点是研究如何利用基于监督学习的三维细胞神经网络来处理点模式结构的立体匹配，以及利用基于增量式半监督学习的高维细胞神经网络来处理大数据量模式分类问题。本课题是对传统二维细胞神经网络模型和应用的一种拓展，其研究目的旨在为细胞神经网络开发更多维数模型，并充分发掘其学习潜力，为模式匹配及分类等经典问题的细胞神经网络解决方案提供理论支持和算法依据。

结项摘要

细胞神经网络是人工神经网络领域的热点研究问题之一，其二维结构网络在理论上日趋成熟，它也在工程领域中得到了广泛应用。本项目主要从传统的二维结构细胞神经网络模型出发，对网络的其它各维形态进行了深入研究，通过扩展胞元连接模式后，建立起了各维网络的统一表达模型，并且还从机器学习理论出发，研究了细胞神经网络的监督和半监督学习方法，分析了相关算法的收敛性。此外，在课题取得的理论研究成果基础之上，还研究了在DNA序列对齐、文字匹配、最短路径求解以及其它图像处理领域如车型轮廓提取等方面的应用方法。课题组在研究期间，已正式发表了10篇论文，申请了3项专利成果，资助了10名研究生完成硕士学位论文，预计尚有多篇论文待发表。课题总经费57万，经费执行情况良好，实际执行51.8296万元，结余5.1704 万元，执行率90.93%，结余率9.07%。本课题是对传统二维细胞神经网络模型和应用的一种拓展，研究目的旨在为细胞神经网络开发更多维数模型，充分发掘模型的学习潜力，为探索模式匹配及分类等经典问题的细胞神经网络解决方案提供理论支撑和算法依据。

项目成果

期刊论文数量（6）
专著数量（0）
科研奖励数量（0）
会议论文数量（6）
专利数量（0）
One-dimensional Pairwise CNN for Global Alignment of two DNA Sequences
用于两个 DNA 序列全局比对的一维成对 CNN
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    Neurocomputing
  • 影响因子：
    6
  • 作者：
    Luping Ji;Xiaorong Pu;Hong Qu;Guisong Liu
  • 通讯作者：
    Guisong Liu
Computing k shortest paths from a source node to each other node
计算从源节点到其他节点的k条最短路径
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    Soft Computing
  • 影响因子：
    4.1
  • 作者：
    Qiu, Zhao;Qu, Hong;Ji, Luping;Takacs, Alex;er
  • 通讯作者：
    er
Computing k shortest paths using modified pulse-coupled neural network
使用改进的脉冲耦合神经网络计算 k 个最短路径
  • DOI：
    10.1016/j.neucom.2014.09.012
  • 发表时间：
    2015-02
  • 期刊：
    Neurocomputing
  • 影响因子：
    6
  • 作者：
    Guisong Liu;Zhao qiu;Hong Qu;Luping Ji
  • 通讯作者：
    Luping Ji
Facial expression recognition from image sequences using twofold random forest classifier
使用双重随机森林分类器从图像序列中进行面部表情识别
  • DOI：
    10.1016/j.neucom.2015.05.005
  • 发表时间：
    2015-11
  • 期刊：
    Neurocomputing
  • 影响因子：
    6
  • 作者：
    Ke Fan;Xiong Chen;Luping Ji;Zhihu Zhou
  • 通讯作者：
    Zhihu Zhou
Parameter selection of support vector machines and genetic algorithm based on change area search
基于变化区域搜索的支持向量机和遗传算法参数选择
  • DOI：
    10.1007/s00521-011-0603-9
  • 发表时间：
    2011-05
  • 期刊：
    Neural Computing & Applications
  • 影响因子：
    --
  • 作者：
    Luping Ji;Chong Fu;Jianping Li;Mingtian Zhou
  • 通讯作者：
    Mingtian Zhou

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于自适应粒子滤波的ASM新技术
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机科学与应用
  • 影响因子：
    --
  • 作者：
    蒲晓蓉;李鹏;纪禄平
  • 通讯作者：
    纪禄平

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

纪禄平的其他基金

面向图像特征学习的细胞神经网络弱深度模型研究
  • 批准号：
  • 批准年份：
    2019
  • 资助金额：
    59 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码