自适应共振理论ART模型

自适应共振理论ART模型

自适应共振理论ART(Adaptive Resonance Theory)模型是美国Boston大学的S．Grossberg和A．Carpenet 在1976年提出的。

ART是一种自组织神经网络结构，是无教师的学习网络。当在神经网络和环境有交互作用时，对环境信息的编码会自发地在神经网中产生，则认为神经网络在进行自组织活动。ART就是这样一种能自组织地产生对环境认识编码的神经网络理论模型。

ART模型是基于下列问题的求解而提出的：

1．对于一个学习系统，要求它有适应性及稳定性，适应性可以响应重要事件，稳定性可以存储重要事件。这种系统的设计问题。

2．学习时，原有的信息和新信息如何处理，保留有用知识，接纳新知识的关系如何及解决的问题。

3．对外界信息与原存储的信息结合并决策的问题。

......

Grossberg一直对人类的心理和认识活动感兴趣，他长期埋头于这方面的研究并希望用数学来刻划人类这项活动，建立人类的心理和认知活动的一种统一的数学模型和理论。ART就是由这种理论的核心内容并经过提高发展然后得出的。

目前，ART理论已提出了三种模型结构，即ARTt，ART2，ART3。ART1用于处理二进制输入的信息；ART2用于处理二进制和模拟信息这两种输人；ART3用于进行分级搜索。ART理论可以用于语音、视觉、嗅觉和字符识别等领域。

1．4．1ART模型的结构

ART模型来源于Helmboltz无意识推理学说的协作——竞争网络交互模型。这个模型如图1—19所示。

从图中看出这个模型由两个协作——竞争模型组成。无意识推理学说认为：原始的感觉信息通过经历过的学习过程不断修改，直到成为一个真实的感知结果为止。在图1—19中协作——竞争网络交互模型可以看出；环境输入信号和自上而下学习期望同时对协作——竞争网络1执行输入；而自下而上学习是协作——竞争网络1的输出；同时，自下而上学习是协作——竞争网络2的输人．而自上而下学习期望则是其输出。真实感知是通过这个协作——竞争网络的学习和匹配产生的。

环境输人信号对自上而下学习期望进行触发，使协作——竞争网络1产生自下而上学习的输出。这种输出送到协作——竞争网络2，则产生自上而下学习期望输出，并送回协作——竞争网络1。这个过程很明显是自上而下学习和自下而上学习的过程，并且这个过程中不断吸收环境输人信息。经过协作——竞争的匹配，最终取得一致的结果；这也就是最终感知或谐振感知。协作——竞争网络交互作用有下列基本要求：

第一，交互作用是非局域性的；

第二，交互作用是非线性的；

第三，自上而下的期望学习是非平稳随机过程。

图1-19 协作——竞争网络交互模型

受到协作——竞争网络交互模型的启发．Grossberg提出了ART理论模型。他认为对网络的自适应行为进行分析，可以建立连续非线性网络模型，这种网络可以由短期存储STM和长期存储LTM作用所实现。STM是指神经元的激活值．即末由s函数处理的输出值，LTM是指权系数。

Grossberg所提出的ART理论模型有如下一些主要优点：

1．可以进行实时学习，能适应非平稳的环境。

2．对于已经学习过的对象具有稳定的快速识别能力；同时，亦能迅速适应未学习的新对象。

3．具有自归一能力，根据某些特征在全体中所占的比例，有时作为关键特征，有时当作噪声处理。

4．不需要预先知道样本结果，是无监督学习；如果对环境作出错误反映则自动提高“警觉性”，迅速识别对象。

5．容量不受输入通道数的限制，存储对象也不要是正交的。

ART的基本结构如图1—20所示。

它由输入神经元和输出神经元组成。它用前向权系数及样本输入来求取神经元的输出，这个输出也就是匹配测度；具有最大匹配测度的神经元的活跃级通过输出神经元之间的横向抑制得到进一步增强，而匹配测度不是最大的神经元的活跃级就会逐渐减弱，从输出神经元到输人神经元之间有反馈连接以进行学习比较。同样，还提供一个用来确定具有最大输出的输出神经元与输入模式进行比较的机制。

ART模型的框图如图1—21所示。

图1-20

图1-21 ART模型

它由两个子系统组成，一个称为注意子系统(Attcntional Subsystem)，一个称为取向子系统(Orienting Subsystem)，也称调整子系统。这两个子系统是功能互补的子系统。ART模型就是通过这两个子系统和控制机制之间的交互作用来处理熟悉的事件或不熟悉的事件。在注意子系统中，有F1，F2这两个用短期存储单元组成的部件，即STM FI和STMF2。在FI和F2之间的连接通道是长期存储LTM。增益控制有两个作用：一个作用是在F1中用于区别自下而上和自上而下的信号；另一作用是当输入信号进入系统时，F2能够对来自F1的信号起阀值作用。调整子系统是由A和STM重置波通道组成。

注意子系统的作用是对熟悉事件进行处理。在这个子系统中建立熟悉事件对应的内部表示，以便响应有关熟悉事件；这在实际上是对STM中的激活模式进行编码。同时，在这个子系统中还产生一个从F2到F1的自上而下的期望样本，以帮助稳定己被学习了的熟悉事件的编码。

调整子系统的作用是对不熟悉事件产生响应。在有不熟悉事件输入时，孤立的一个注意子系统无法对不熟悉的事件建立新的聚类编码；故而设置一个调整子系统，当有不熟悉事件输入时，调整子系统马上产生重置波对F2进行调整，从而使注意子系统对不熟悉事件建立新的表达编码。实际上，当自下而上的输入模式和来自F2的自上而下的引发模式即期望在FI，中不匹配时，调整子系统就会发出一个重置波信号到F2，它重新选择F2的激活单元．同时取消F2原来所发出的输出模式。

简而言之，注意子系统的功能是完成由下向上的向量的竞争选择，以及完成由下向上向量和由上向下向量的相似度比较。而取向子系统的功能是检验期望向量v和输入向量I的相似程度；当相似度低于某一给定标准值时，即行取消该时的竞争优胜者，转而从其余类别中选取优胜者。

ART模型就是由注意子系统和调整子系统共同作用，从而完成自组织过程的。

1.4.2 ART的基本工作原理

在ART模型中，其工作过程是采用2/3规则的。所谓2/3规则，就是在ART网络中，三个输入信号中要有二个信号起作用才能使神经元产生输出信号。ART网络的整个工作过程中，2/3规则都在起作用。在说明ART模型的工作原理之前，先介绍2/3规则。

一、2／3规则

考虑因1—21所示的ART模型，很明显在FI层中，有三个输入信号源：输入信号I，增益控制输入，自上而下的模式输人。所谓2/3规则，就是指F1中这三个输入信号对F1的激发作用和关系。

2／3规则可以用图1—22所示的图形来说明。

1．自上而下的单输人情况

这时的情况如图1—22(a)所示。F1从三个输入信号源中，只接收来自F2的自上而下的引发模式。故而，FI中的三个输入信号源中，并没有二个输入信号源起作用；而只有一个输入信号源即来自F2的自上而下的引发模式。所以F1中的神经元不会被激活，F1的神经元不会产生信号输出。

2．自下而上的二输人情况

这时的情况如图1—盟(b)所示。这时，在F1的三个输入信号源中，有输入信号I进行输入．并且有I 通过增益控制后所产生的对F1的输入；由于这两个输入信号起作用，故而F1中的神经元被激活，F1能产生信号输出：

3．自下而上输入及自上而下引发模式输入的情况

这时的情况如图1—22(c)所示。它说明了自下而上输入模式和自上而下的引发模式共同作用于Fl的过程。这个过程也就是输入模式I和来自F2的自上而下的引发模式匹配过程。在这时，F2的输出信号会加到增益控制中对其中的输入信号I产生抑制作用，所以，增益控制不会产生信号送去Fl。在F1中，同时接收到自下而上输人信号以及自上而下的F2输出信号的神经元才会被激话；而只接收到其中一个信号的神经元则不会被激活。

4．模态竞争情况

当注意子系统从一个模态向另一个模态转移时，在这个转移的瞬间中会禁止F1被激活；因为，这种是一个过渡过程，它不反映模式的实质内容。固Fl不能被激活。模态竞争的情况如图1—22(d)所示。

图1-22 2/3规则二、ART模型的基本工作原理

在ART模型中，显然分为F1，F2两层神经网络。对于注意子系统，F1和F2这两层的作用可以用图1—23表示。

图1-23 F1和F2层的信息处理

Fl层接收输人模式I，则在F1中被转换成激活模式X，X由F1中的激活神经元表示，如图1—23中的长方形所示。这个模式x被短期存储在F1中。只有激活值足够高的神经元才能产生输出信号并通过连接传送到F2的神经元去。

在F1中，由x所产生的F1输出模式为S，S模式通过连接送到F2的神经元输入端。并在F2的神经元的输入端土产生一个和s不同的模式T。从s到T的转换称为自适应滤波。无论F1还是P2，其神经元是一般形式的神经元结构。一般而言，这些神经元的状态．输入和输出并不相同。

在F2层中．模式T经过F2神经元的相互作用会迅速地被转换。这个相互作用是对输入模式T的比较及除弱增强过程。其结果产生一个短期存储在F2中的模式Y，这也是F2的状态。

在一般情况时，从T到Y这个比较，除弱增强的转换会使多个神经元处于激活状态。这时，这种转换结果变由F2中的多个神经元群来表达。这个转换过程自动地把F1的输入模式I划分到不相交的各个识别聚类中去，每个类对应于F2中的某个特征神经元。在特殊情况时，从T到Y的比较、除弱增强过程就是在F2中选择一个与当前输入I相对应的而输出值最大的神经元的过程。所选择的神经元就是用于表示激活模式的唯一神经为了说明ART模型的有关工作基本原理，下面分五点进行介绍：

1．自下而上的自适应滤波和STM中的对比度增强过程。

输入信号I加到注意子系统的F1的输入端，经过F1的节点变换成激活模式X，这一过程起到特征检出作用。

在F1中，激活值较高的神经元就会有输出到F2的信号，并成为输出模式s．s经过F1到F2的连接通道时受到加权组合(LTM)，变换成模式T后作用于F2的输入端。S到T的变换称为自适应滤波。F2接收到T后通过神经元间的相互作用迅速产生对比度增强了的激活模式Y，并且存储于F2中。如图1—24(a)所示。

这个阶段的学习是一个变换系列：I—X—S—T—Y

2．自上而下的学习期望匹配和对已学习编码的稳定。

一旦当自下而上的变换X—Y完成之后．Y就会产生自上而下的输出信号的模式u，并送向F1，只有激活值足够大的才会向反馈通道送出信号u。u经加权组合变换成模式v。v称为自上而下的模板，或学习期望。

由于x和V这两个模式对F1输入，则它们的共同作用在F1中产生激活模式X*；—般而言，x*和只由输入信号产生的x模式不同。这时，F1的作用就是试图使v和I匹配，其匹配结果确定了以后的作用过程。

这时的情况如图1—24(b)所示。

3．注意子系统和取向子系统相互作用过程。

这个过程和输入I有关。在图1—24(a)中，在输入模式I产生x的同时，也会激活取向子系统A；只是在A产生输出之前，F1中的x对A所产生的输出端就起禁止作用。当F2的反馈模式v与P1的输入模式[失配时，就会大大减弱这一禁止作用，当减弱到一定的程度时，A就被激活。如图1—24(c)所示。

A被激活之后就向F2送出重置信号．并作用于F2的全部神经元，从而改变F2的状态．取消了原来的自上而下的学习期望V；终止了V和I的失配；于是输入I再次作用直到F2产生新的状态Y*。如图1—24(d)所示。

Y*会产生新的自上而下的学习期望v*，如果v*仍然和I失配，那么，取向子系统A继续起作用；这样．产生一个快速的一系列匹配与重置过程。这个过程控制LTM的搜索从调整了LW对外界环境的编码。这个过程一直执行下去，直到F2送出的模式v和输人I相互匹配为止。

图1-24 ART模型的工作过程

4．需考虑的一些特点

在注意子系统的增益控制及起动这一自上而下的学习期望匹配过程中，还应考虑一些有关特点。

例如在F1输出向下而上的作用之前，F2已被激活，这时F2就会产生自上而下的学习期望并作用于Fl；这时则F1也会被激活，并产生自下而上的作用过程。显然，需要对来自外部输入的激活以及来自F2的反馈激活进行区分。所以，设置一个辅助机构进行区分激活来源的工作。这个辅助机构称为注意增益控制。

为F2被激活时，注意起动机构会向F1选出学习期望信号，注意增益控制就会给出禁止作用，从而影响Fl对输入响应灵敏度，使得F1可以区分激活信号的来源。

5.匹配

采用2/3规则，以确定F1的输出。这实际上是把存储模式和输入模式进行匹配的规则。

三、ART模型的工作过程

在图1—21所示的ART结构中，F1可称为比较层，F2可称为识别层。

比较层F1接收输入模式I，初始时不作任何变动作为输出向量S送去识别层F2；此后，F1同时接受识别层输出的向量v和输人模式I，还有增益控制的输出，并按2／3规则产生输出。在初始时，增益控制的输出为I，而v设置为o，故有S等于输入I。

识别层F2是用作输入向量分类器的。在识别层中，只有一个神经元和输入的向量s最优匹配，这个神经元就会被激活，而其它神经元则被抑制。根据神经元的结构原理，最优匹配规则如下：

其中：S是输入F2的向量；s=(sl，s2，…，Sn)；

w3是识别层中第j个神经元和比较层中神经元从F1一F2的权系数向量wj=(W1j，W2j......)，

wc是识别层中最优匹配神经元c从FI—F2的权系数向量Wc＝(W1c，W2c……)。

应该注意：最优匹配神经元c到比较层神经元有从F2一FI的权系数向量Wc’，Wr’＝(Wc1,Wc2……)很明显，Wc和Wc’就组成了输入向量的类别样本；也即是权系数的形态表示一类模式。

在识别层中，为了使一个神经元有最大输出值并取得竞争的优胜，并抑制其它神经元。故而识别层有横向连接，每个神经元的输出和正的权系数相乘后作本神经元的一个输入，而其它神经元的输出和负权系数相乘后再作为本神经元的输入。这种作用等于加强自身，抑制其它。从而保证了只有一个神经元被激活。这种情况如图1—25所示。

图1-25 F2层的横向连接

增益控制有两部分，它们的作用功能不同。识别层F2的增益控制输出原则为：只要输入向量I有一个元素为1，则输出1。比较层F1的增益控制原则为：只要在I有一个元素为1，同时F2的输出向量U全部元素为0时，才输出1。

重置作用是在输入信号I和F1的输出s之间的匹配存在问题，差别大于某警戒值时．则发清零信号到F2。以便重新进行识别。

ART网络的学习分类分为三部，即识别，比较和搜索。下面作简要说明。

1．识别

初始化时，网络无输人信号，故I全部元素为0；识别层F2增益控制输出为0；识别层F2输出全部为0。在有模式I输入后，I必有元素为1，故F1增益控制、F2增益控制均输出1；比较层F1按2/3规则全部复制I作为输出；S＝(s1，s2，…，S n)。接着识别层F2的每个神经元j执行下面操作；从而求出最优匹配神经元C：

则神经元C输出1，其余输出U。这些输出送回比较层F1。F2输出的值为U＝(U1，U2……)。找寻最优匹配神经元C的过程就是识别。

2．比较

从识别层F2反馈到Fl的向量U不再全部为0，故而，F1增益控制输出0。按2/3规则，只有输人向量I及反馈向量U的元素同时为1所激励的神经元才会被激活。从另一个角度讲．就是来自F2的反馈强迫输入向量I中那些不匹配存储模式u的S元素为0。

如果I与U不匹配，则产生的S只有少数元素为1，这也说明模式U不是所要寻找的I模式。取向子系统对I和s的相符程度进行判别，如果低于结定的警戒值，则发出重置信号，使识别层F2激活的神经元清零；这也说明该神经元失去竞争的资格。则到此这个阶段分类比较过程结束。如果I与U匹配，则输入模式I所属的类别已找到，分类结束。

3．搜索

在I与U不匹配时，为了找到较好的匹配必须对其余的模式进行搜索。重置信号把识别层F2的神经元全部清0，则F1增益控制又输出1，网络返回到初始状态。输入模式I再进行输入，识别层的另一个神经元会取得优胜，则反馈一个新的存储模式U送回比较层F1。接着又进行匹配比较，如不匹配，则又重置识别层……不断执行下去。

搜索过程直到产生下列情况之一才会停止：

(1)找到一个存储模式，在警戒值范围内和输入模式I匹配；则ART网络进入学习阶段。修正和匹配神经元C相关的权系数W ic和W ci。

(2)搜索了全部模式后，没有一个模式能够和I相似匹配；则网络也进人学习阶段。把原来来分配模式的神经元j赋于输人模式I，构造相应的权系数W ij和W ji，并作为样本模式存储。

特别应指出的是：搜索过程是包含了识别和比较二个阶段的。搜索不过是识别—比较—识别—比较……的多次重复。

严格来说，ART应分成搜索和学习这两种最主要的过程和功能。

1．4．3ART模型的数学描述

在ART模型中，F1或F2中的神经元用N k表示，神经元被激活后产生的激活值用X k表示，从神经生理学的研究结果，可以知道神经元的激活值，即神经元未经s函数处理的输出X k满足下面的微分方程：

(1-60)

其中：e是远小于1的正实数；

J k+是送到神经元Nk的所有激励输入之和

J k-是送到神经元Nh的所有抑制输入之和

A，B，C是非负常数；

X k的取值范围为[-BC-1，A-1]

一、F1层的数学描述

用N i表示F1的神经元，并且i=1，2，…，n，

则有

(1-61)

很明显，有F1的激活模式X

X={X1,X2,...X n}

1.J i+的形式

由于F1神经元N t的激励输入J i+是自下而上的输入I i以及自上而下的输入v i之和，故而有

J i+=I i+V i

其中Ii是一个n维输入向量；I={I1,I2,…I n}；

；这里，f(X j)是F2中神经元N i的输出，W ji是N j到N i的连接权系数；

D1是系数。

v＝{v1，v2，…，v n}，也是n维间量。

2.J i-的形式

对F1层，抑制输入Ji-是由注意子系统增益控制信号来控制，即

j=n+1,n+2,...,n+m

当且仅当F2的激活值很高时，J i-＝0，否则J i->0。

二、F2层的数学描述

用N j表示F2的神经元．并且j＝n+1，n+2，…，n+m，则有：

(1-62)

则有F2的激活模式Y

Y={X n+1,X n+2,...X n+m}

选择F2中的激活模式的输入和参数，使到F2中具有来自F1的最大输入的神经元取得竞争的胜利。故而对J j+和J j-考虑应有如下形式：

1.J j+的形式

Jj+=g(Xj)+Tj

其中：g(x j)为N j的自反馈信号；

T j是从F1来的到F2的输入模式；，这里的h(x i)是F中神经元N i的输出，D2是系数；

W ij是F1到F2的神经元的连接权系数。

2.J j-的形式

对应于图1—24中的情况，可以看出向量S，T，U，V的关系，并且有S={h(X1),h(X2),...,h(X n)}

T={T n+1,T n+2,...,T n+m}

U={f(X n+1),f(X n+2),...,h(X n+m)}

V={V1,V2,...,V n}

并且有I={I1,I2,...,I n}

随机振动名词解释

impulse response function; "脉冲响应函数" 英文对照 1、h(t)是在初始时刻作用以单位脉冲而使单自由度系统产生的响应,所以称为脉冲响应函数.1·1·2频率响应函数H(ω)=1k -ω2m+iωcH(ω)是角频率为ω的单位简谐激励所引起的结构稳态简谐响应的振幅,称为频率响应函数,也称为转换函数 文献来源 2、 Y εi,jtt+s 作为时间间隔s 的一个函数,度量了在其他变量不变的情况下Yi,t+s 对Yj,t 的一个脉冲的反应,因此称为脉冲响应函数 文献来源 "脉冲响应函数" 在学术文献中的解释 frequency response function; "频率响应函数" 英文对照 1、频率响应函数是指系统输出信号与输入信号的比值随频率的变化关系它是衡量高速倾斜镜工作性能的一个重要指标.通过抑制谐振峰可以改善高速倾斜镜的使用性能 文献来源 2、经傅利叶变换,得到频域内的导纳(一般用速度导纳来表示)表达式Hv(ω)=v(ω)F(ω)=jω-ω2M+jωC+K(2)H(ω)又称为频率响应函数 文献来源 3、y （t ）＝A0eiωty （t ）＝iωA0eiωt （6）将（6）代入（3）得A0eiωt （RCiω＋1）＝Ajeiωt （7）和A0Aj ＝1RCiω＋1＝U （iω）（8）U （iω）称为频率响应函数 文献来源 "频率响应函数" 在学术文献中的解释 transfer function of; transfer function; transfer function - noise; "传递函数" 英文对照 1、由于传递函数的定义是两个拉普拉斯变换之比,所以使用时必须准确知道传递函数的类型,即,是位移、速度,还是加速度传递函数,才能避免出错 文献来源 2、而传递函数的定义是两个分量之比为两个传感器之间优势波的传递函数.它给我们的启发是任取两个已知传感器组成一个传递函数通过分析传递函数的特征可以判断两个分量的优势波和非优势波 文献来源 "传递函数" 在学术文献中的解释

完整的乐理知识大全

完整的乐理知识大全 完整的乐理知识1 (一)音 1.音的产生： 2.音的主要性质： 音的高低音的强弱音的长短音色 (3)什么是音色?音色指音的感觉特性。是音乐中极为吸引人、能直接触动感官的重要表现手段。发音体的振动是由多种谐音组成， 其中有基音和泛音，泛音的多寡及泛音之间的相对强度决定了特定 的音色。人们区分音色的能力是天生的，音色分为人声音色和器乐 音色。人声音色高、中、低音，并有男女之分;器乐音色中主要分弦乐器和管乐器，各种打击乐器的音色也是各不相同的。 3.音的分类 乐音噪音 (二)音阶 五声音阶七声音阶 1.音阶的定义 音阶(Scale)指调式中的各音，从以某个音高为起点即从主音开始，按照音高次序将音符由低至高來排列，这样的音列称为音阶， 世界各地有许多不同的音阶，随着音乐水平的进步，音乐非常完整 的理论与系统，目前世界上几乎都是用西洋的十二平均律來作为学 習音乐的基礎，因此我们今天所说的音阶，就是以最普遍的大音阶(大调)与小音阶(小调)为主。 2.音阶的分类

根据调式所包含的音的数量可分为："五声音阶"、"七声音阶"等。音阶由低到高叫做上行，由高到低叫做下行。 五声音阶(Pentatonicscale)由五个音构成的音阶，多用于民族 音乐的调式如：do、re、mi、sol、la、(do)。 (三)乐音体系 1.乐音体系的定义 在音乐中使用的、有固定音高的音的总和，叫做乐音体系。 2.乐音体系的分类 (1)音列 乐音体系中的音，按照上行或下行次序排列起来，叫做音列。 (2)音级 乐音体系中的各音叫做音级。音级有基本音级和变化音级两种。 乐音体系中，七个具有独立名称的音级叫做基本音级。基本音级的 名称是用字母和唱名两种方式来标记的。两个相邻的具有同样名称 的音叫做八度。升高或降低基本音级而得来的音，叫做变化音级。 将基本音级升高半音用"升"或""来标明;降低半音用"降"或""来表明;升高全音用"重升"或"x"来标明;降低全音用"重降"或""来标明;还原用""表示。 3.音域与音区 音域可分为总的音域和个别音域、人声和乐器音域。音域中的一 部分是音区，音区可分为高音区、中音区和低音区三种。人声的音 区划分，往往是不相符合的，例如男低音的高音区却是女低音的低 音区。但各音区具有自己的特性音色，这体现在音乐的表现中，一 般来说：高音区清脆、尖锐;而低音区则低沉、浑厚。 (四)调式 稳定音不稳定音

《人工智能导论》课程研究报告总结

《人工智能导论》课程研究报告题目：BP神经网络的非线性函数拟合 班级：自动化1303班 姓名：汪洋、房亮、彭正昌、蔡博、刘航、范金祥 学号： 2016年1月1日

目录 第一章人工智能相关介绍 1.1人工神经网络与matlab (3) 1.2人工神经网络的研究背景和意义 (3) 1.3神经网络的发展与研究现状 (4) 1.4神经网络的应用 (5) 第二章神经网络结构及BP神经网络 (5) 2.1神经元与网络结构 (5) 2.2 BP神经网络及其原理 (9) 2.3 BP神经网络的主要功能 (11) 第三章基于matlab的BP神经网络的非线性函数拟合 3.1运用背景 (5) 3.2模型建立 (9) 3.3MatLab实现 (11) 参考文献 (15) 附录 (17)

人工智能相关介绍 1.1人工神经网络与matlab 人工神经网络（Artificial Neural Networks，NN）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学、微电子学、心理学、光计算、分子生物学等有关，是一门新兴的边缘交叉学科。 神经网络具有非线性自适应的信息处理能力，克服了传统人工智能方法对于直觉的缺陷，因而在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。神经网络与其他传统方法相组合，将推动人工智能和信息处理技术不断发展。近年来，神经网络在模拟人类认知的道路上更加深入发展，并与模糊系统、遗传算法、进化机制等组合，形成计算智能，成为人工智能的一个重要方向。 MATLAB是一种科学与工程计算的高级语言，广泛地运用于包括信号与图像处理，控制系统设计，系统仿真等诸多领域。为了解决神经网络问题中的研究工作量和编程计算工作量问题，目前工程领域中较为流行的软件MATLAB，提供了现成的神经网络工具箱（Neural Network Toolbox，简称NNbox），为解决这个矛盾提供了便利条件。神经网络工具箱提供了很多经典的学习算法，使用它能够快速实现对实际问题的建模求解。在解决实际问题中，应用MATLAB 语言构造典型神经网络的激活传递函数，编写各种网络设计与训练的子程序，网络的设计者可以根据需要调用工具箱中有关神经网络的设计训练程序，使自己能够从烦琐的编程中解脱出来，减轻工程人员的负担，从而提高工作效率。 1.2 人工神经网络的研究背景和意义 人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。 人工神经网络就是模拟人思维的一种方式，是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。 近年来通过对人工神经网络的研究，可以看出神经网络的研究目的和意义有以下三点：（1）通过揭示物理平面与认知平面之间的映射，了解它们相互联系和相互作用的机理，从而揭示思维的本质，探索智能的本源。（2）争取构造出尽可能与人脑具有相似功能的计算机，即神经网络计算机。（3）研究仿照脑神

磁共振的基本原理

磁共振基本原理 磁共振成像的依据是与人体生理、生化有关的人体组织密度对核磁共振的反映不同。要理解这个问题，就必须知道核磁共振和核磁共振的特性。 一、核磁共振与核磁共振吸收的宏观描述 由力学中可知，发生共振的条件有二: 一是必须满足频率条件，二是要满足位相条件。 原子核是自旋的，它绕某个轴旋转（颇像个陀螺）。旋转时产生一定的微弱磁场和磁矩。将自旋的原子核放在一个均匀的静磁场中，受磁场作用，原子核的自旋轴会被强制定向，或与磁场方向相同，或与磁场方向相反。重新定向的过程中，原子核的自旋轴将类似旋转陀螺般的发生进动。不同类的原子核有不同的进动性质，这种性质就是旋转比（非零自旋的核具有特定的旋转比），用γ表示。进动的角频率ω一方面同旋转比有关；另一方面同静磁场的磁场强度 B 有关。其关系有拉莫尔（Larmor）公式（ω又称拉莫尔频率） : ω=γ·B (6-1) 静磁场中的原子核自旋时形成一定的微弱势能。当一个频率也为ω的交变电磁场作用到自旋的原子核时，自旋轴被强制倾倒，并带有较强的势能；当交变电磁场消除后，原子核的自旋轴将向原先的方向进动，并释放其势能。这种现象就是核磁共振现象（换言之，当电磁辐射的圆频率和外磁场满足拉莫尔公式时，原子核就对电磁辐射发生共振吸收），这一过程也称为弛豫过程，释放势能所产生的电压信号就是核磁共振信号．也被称为衰减信号（FID）。显然，核磁共振信号是一频率为ω的交变信号，其幅度随进动过程的减小而衰减。 图6-1表示几种原子核的共振频率与磁场强度的关系。这些频率是在电磁波谱的频带之内，这样的频率大大低于 X 线的频率，甚至低于可见光的频率。可见它是无能力破坏生物系统的分子的。在实际情况下，由于所研究的对象都是由大量原子核组成的组合体，因此在转入讨论大量原子核在磁场中的集体行为时，有必要引人一个反映系统磁化程度的物理量来描述核系统的宏观特性及其运动规律。这个物理量叫静磁化强度矢量，用 M表示。由大量原子核组成的系统，相当于一大堆小磁铁，在无外界磁场时，原子核磁矩μ的方向是随机的，系统的总磁矩矢量为 （6-2） 如果在系统的 Z 轴方向外加一个强静磁场B。，原子核磁矩受到外磁场的作用，在自身转动的同时又以 B。为轴进动，核磁矩取平行于 BO 的方向。按照波尔兹曼分布，在平衡状态下，处于不同能级的原子核数目不相等，使得原子核磁矩不能完全互相抵消，从而有 （6-3） 此时可以说系统被磁化了，可见 M 是量度原子核系统被磁化程度的量，是表示单位体积中全部原子核磁矩的矢量和。 图6-1几种原子核的共振频率与磁场强度的关系 1

随机振动分析报告

Alex-dreamer制作PSD：（可以相互传阅学习，但是鄙视那些拿着别人成果随意买卖！）PSD随机振动应用领域很广，比如雷达天线，飞机，桥梁，天平，地面，等等行业。虽然现在对这方面公开资料很少，但是我相信以后会越来越多，发展的越来越成熟。学术的浪潮总体是向前的，不会因为几个大牛保密自己的成果就会阻止我们对PSD研究，因此结合我的经验和爱好，我研究了一下两种PSD加载分析。我标价的原则是含金量大小和花费我的时间以及我的经验值，如果你觉得值，就买；不值就不要下了。因为我始终认为：士为知己者死，女为悦己者容。算是互相尊重。如果你得到这份资料，那就祝你好运！ Good luck!-Alex-dreamer(南理工) 一：目的：根据abaqus爱好者提出的PSD随机振动分析，提出功率谱如何定义及如何加载？如果功率谱是加速度的平方，如何加载？如果在输入点施加载荷功率谱如何定义？本文将给出详细的分析过程。 二：随机振动基本概念 1. 随机振动的输入量和输出量都是概率统计值，因此存在不确定性。输入量为PSD （功率谱密度）曲线，分为加速度、速度、位移或者力的PSD曲线；最常见的是加速度PSD，常用语BASE MOTION基础约束加载。 2. 随机振动的响应符合正态分布，PSD实际上是随机变量的能量分布，也就是在不同频率上的方差值，反映不同频率处的振动能量，PSD曲线所围成的面积是随机变量总响应的方差值； 3. RMS为随机变量的标准方差，将PSD曲线包络面积开平方即为RMS。 4. 随机振动输出的位移、应力、应变等值都是对应不同频率的方差值（即PSD值），量纲为x^2，当然也可以输出这些变量的均方根值（即RMS值）；abaqus6.10以上版本可以直接在场变量里面输出设置。见下文。 5. 如果是单个激励源，定义为非相关性分析，如是多个激励源，则需要定义相关性参数。因此出现type=uncorrelated。 三：模型简介： 1）该模型很简单，是hypermesh中一个双孔模型。 2）网格划分在hypermesh中完成，保证了雅克比>0.7以及网格其它质量的要求。网格与几何具有较高的吻合度。 3）方案1（对应connect模型）：在上方两个孔采用全约束方式，且加载的功率谱PSD密度是加速度功率谱，也就是说基于BASE基础约束，进行随机振动 PSD分析。结果分析底部孔处某节点的结果响应。 4）方案2（对应connect模型）：在底部圆孔施加载荷force类型的功率谱PSD，与前者不同的是，这个不是基础施加PSD，而上某输入位置施加PSD。

和弦理论与乐理知识

编辑本段和旋 和弦是乐理上的一个概念，指的是一定音程关系的一组声音。通常有三和弦、七和弦、十三和弦等概念，但并没有什么32和弦、40和弦乃至64和弦的说法！所以，严格地说，“和弦铃声”并不符合乐理。不过，在音频器材的工业设计方面，和弦也叫复音，指的是多个音源同时发音。如果一首弦乐四重奏的话，至少需要十六个音源才有可能完美地表现出来；八重奏就得三十二个音源，也就是说多和弦手机是可以模拟出多重奏的演奏效果的，所以，讲“和弦铃声”并不是完全没有道理。和弦铃声远比叮叮咚咚的单音铃声中听，它的声音更加饱满、圆润，在听觉上能给人以美的享受。 编辑本段和旋种类 大三和旋 根音与三音是大三度，三音与五音是小三度，用根音的大写英文字母音名来表示，如DO，MI，SOL和弦用C表示，FA，LA，DO和弦用F表示，降MI，SOL，降SI就用Eb表示，升FA，升LA，升DOL用F#表示。 小三和弦 和弦根音与三音是小三度，三音与五音是大三度，用根音的大写英文字母音名加上小写m表示，如RE，FA，LA和弦用Dm表示，MI，SOL，SI和弦用Em表示，降MI，降SOL，降SI用Ebm表示。 增三和弦 根音与三音，三音与五音都是大三度，用根音的大写英文字母音名加上aug或加一个“+”。如DO，MI，升SOL和弦表示为Caug或C+，FA，LA，升DO和弦表示为Faug或F+。 减三和弦 根音与三音，三音与五音都是小三度，用根音的大写英文字母音名加上dim或一个“-”。如RE，FA，降LA，表示为Ddim或D-，升DO，MI，SOL表示为#Cdim或#C-。 大小七和弦

在大三和弦基础上再加小三度，用根音的大写英文字母音名加上“7”即可，如SOL，SI，RE，FA和弦用G7表示，LA，S升DOL，MI，SOL用A7表示。 大大七和弦 在大三和弦基础上再加大三度，用根音的大写英文字母音名加上Maj7表示，如DO，MI，SOL，SI和弦表示为Cmaj7,降SI，RE，FA，LA和弦表示为Bbmaj7。 小小七和弦 在小三和弦基础上再加小三度，用根音的大写英文字母音名加上 “m7”表示。如LA，DO，MI，SOL和弦表示为Am7,RE，FA，LA，DO和弦表示为Dm7. 小大七和弦 在小三和弦基础上再加大三度，用根音的大写英文字母音名加上mM7表示，如DO，降MI，SOL，SI和弦表示为CmM7,LA，DO，MI，升SOL 表示为AmM7. 编辑本段和弦在钢琴上的弹法 钢琴本身是和声性乐器，钢琴作品属于多声部音乐作品，所以，弹奏好和弦及和弦伴奏织体，是演奏钢琴作品的材料性建设工程。 在基础钢琴学习中，使用率较高的是三和弦和属七和弦等。三和弦弹奏的手指基础是良好的双音奏法。 弹奏三和弦， 左手和弦要掌握好四个连贯性的触键动作过程，一是良好的手型支架和松通的手腕统治三个手指贴键弹下；二是三个手指平衡同步均匀触键着力，三是弹奏手指的弹奏重量要通畅地下沉至键盘底部；四是和弦弹完后的抬手动作要由大臂带动小臂及手腕完成。这四个连续性弹奏环节，是柱式和弦弹奏的一个完美过程。 手臂和手腕放松、手腕富有弹性、手掌支撑、手指贴键和指尖站立的弹奏状态，是弹好和弦的重要保证。弹奏和弦要注意肩部放松和大臂舒展，切忌拍打敲击琴键和小指倒邪虚飘等弊端。 和弦弹奏练习，可以结合常用和声序进语言的连接模式进行，如三个正三和弦连接中的主和弦起始分别为五音旋律位置、根音旋律位置和三音旋律位置的三种连接模式。此时要体悟记忆和弦连接模式中的指序规律。

随机共振系统输入阈值的频率特性_王嘉赋

随机共振系统输入阈值的频率特性 王嘉赋　刘　锋　王均义　陈　光　王　炜 (南京大学物理系,固体物理研究所,南京　210093) (1997年4月28日收到) 通过对双稳态系统和Hindmarsh -Rose 神经元输入信号阈值的频率特性进行数值计算, 分别研究了非自激和可自激随机共振系统输入阈值随信号频率的依赖关系,提出了确定非自 激系统阈值的频率特性的解析方法;指出了可自激系统阈值的频率特性可能在某些频区出现 反常极小现象,并对产生这一现象的物理原因进行了理论分析. PACC :0547;8710;0250 1　引言 随机共振概念是由Benzi 等[1,2]为了解释古气象学中冰川期与暖气候期周期性交替出现现象时提出的.他们的气候模型认为,处于非线性条件下的地球可能取冷、暖两种气候状态.地球偏心率的很小的周期变化虽然不能直接使气候在两种状态之间变动,但地球所受的随机力(如太阳常量的各种无规变化等)却能大大提高弱小周期信号对非线性系统状态的调制能力,从而引起大气候的大幅度周期变化,出现随机共振现象.目前,随机共振现象已在Schmitt 电子触发器[3]、双向环形激光器[4]和磁弹板[5]等诸多双稳系统中被观察到,并已用来研究感觉神经元的发放机制[6,7],甚至用来检测计算机字符输入的成功率[8].最近随机共振思想已推广应用到多稳态[9]甚至单稳态[10]等许多可激发系统[11]. 随机共振机制表明,合适的噪声强度可以使得弱输入信号驱动下的非线性系统的输出信噪比达到某一最佳值.分析这一现象的本质可知,它是噪声能量转化为信号能量的结果,是输入信号与噪声的协作效应.这一能量转移机制也只能在非线性系统中得以实现.总结产生随机共振现象的条件,大致可以归纳为以下三个要素:(1)阈值.非线性系统要存在两个(或更多个)稳态或亚稳态,或者说系统吸引子之间存在某种势垒,从而使得外部驱动(信号)只有超过某一个临界值(阈值)时系统才会出现不同(亚)稳态之间的跃迁,或者说系统才会从一个吸引域跃变到另一个吸引域.(2)阈下输入信号.输入信号还不足引起系统在不同(亚)稳态之间跃迁,亦即粒子将滞留在系统的某个确定的吸引域内,从而系统将不给出以在不同(亚)稳态间跃迁为标志的输出信号(输入信号超过阈值所引起的信号输出,往往不在随机共振理论研究所关心的范围).通常人们大多考虑输入信号为周期信号的情形,也有人讨论过非周期输入信号驱动下的可激发系统的随机共振问题[12].(3)噪声.它既可以是系统外部的随机驱动力,也可以来自系统内部相互作用引起的涨落或关第46卷第12期1997年12月 1000-3290/97/46(12)/2305-08物　理　学　报ACTA PHYSICA SI NI CA Vol .46,No .12,December ,1997c 1997Chin .Phys .Soc .

乐理和弦理论

5/10,6/12等和弦有什么用，怎么弹好 钢琴作品中的和弦配置很多都是中音加高的 好比一个3和弦135，把3换成高音，弹153，（5、10度音和弦） 属七和弦常用的转位56和弦，比如#5 2 3呢，也把2换到高音，弹#5 3 2，（6、12度音和弦） 这些和弦一连接在钢琴上就总弹错 是不是必须熟悉钢琴上各音程的距离，手一放就能放准才能弹好 另外中音加高的和弦与一般和弦在表现力上有什么区别？我总觉得用原位135不好吗非要153 和弦功能不变 你说的那种变化是省略某和弦音移到高音位出现的方法 现在几乎即兴伴奏都这样用 起到美化和充实和声的作用 希望大家多发点有用技术的文章.或是自己写的东西,老在论坛里说买什么琴卖什么琴,这样大家议论的气氛就自然下来了.要想弹好琴,先要正自己的位置,其实琴和本身效果器的问题不是一个很大的问题,当你催吉他有一定的了解和演奏力的时候,琴和效果器对你来说,音色就自然就理解了,要是不了解这个作用,再好的琴放在手上也是一样的,有一把好琴不代表你出色.好的吉他手.即使再怎么样放一把琴在他手上，他都有一定的应对能力.不要让琴去选择你们. 空弦和弦 C D E F G A etc... |---0--------2---------0---------------1-------3------0-------------------- |---1--------3---------0---------------1-------3------2-------------------- |---0--------2---------1---------------2-------0------2-------------------- |---2--------0---------2---------------3-------0------2-------------------- |---3------------------2-----------------------2------0-------------------- |----------------------0-----------------------3--------------------------- Dmin Emin Amin Fmin |--1-------0--------0---------1-------| |--3-------0--------1---------1-------| |--2-------0--------2---------3-------| |----------2--------2---------3-------| |----------2--------0-----------------| |----------0--------------------------| 我相信多数人都认识这些和弦，不过空弦和音可远不止这些。我不能将它们一一列举，市面上也不乏各种和弦书籍和词典，我只是想尽谅解释其构成，而不是面面俱到地解释每一个和弦。和弦的构成并不困难。基本和弦是在一些基本音阶基础上构成的。所以，如果要组成C大调和弦，只需使用C,E,G。这些一般都是固定的……我知道也许会有人有异议，不过在这里它们是固定的。 现在来说说空弦和弦吧。它们是可变的，我会在基音下方标注*（即音是决定和弦名称的那个音）。当让这个也是有争议的，不过还不是现在。将手指顺着品位上下移动，和弦的名称也会随之改变。如果你按下Gmajor，然后移向第五品，它变成为了Amajor，或者回到第一品就成了Fmajor。因为你在是用最低音来定义和弦的名称。 G major G minor C major C minor |-----3-----------3-----------3-------------3------------| |-----3-----------3-----------5-------------4------------| |-----4-----------3-----------5-------------5------------| |-----5-----------5-----------5-------------5------------| |-----5-----------5-----------3*------------3*-----------| |-----3*----------3*-------------------------------------|

基于参数选取影响BP神经网络训练结果的分析

龙源期刊网 https://www.wendangku.net/doc/a55320214.html, 基于参数选取影响BP神经网络训练结果的分析 作者：韩雪 来源：《智能计算机与应用》2011年第05期 摘要：模式识别包含了两个方面的内容：样本训练和样本识别。而样本识别的前提则是样本训练，当然训练样本多并具有代表性当然好，但并非越多越优。重要的是在训练神经网络的过程中，权值、阈值等各个参数应如何确定才有利于训练的效率。正是针对使用一组简单样本对神经网络进行训练，并且采用变化参数值的方法观察其训练效果，从而得出不同的输出结果，以及曲线分析图。进而进行对比总结，找出最优的参数设置。而且实验方法和结论有利于应用于其他识别系统的开发。 关键词： 中图分类号：ＴＰ３９１．４文献标识码：Ａ文章编号：２０９５－２１６３（２０１１）０３－００４３－０４ ＡｎａｌｙｓｉｓｏｆＴｒａｉｎｉｎｇＲｅｓｕｌｔｓｂａｓｅｄｏｎｔｈｅＳｅｌｅｃｔｉｏｎｏｆ ＰａｒａｍｅｔｅｒｓＩｎｆｌｕｅｎｃｉｎｇＢＰＮｅｕｒａｌＮｅｔｗｏｒｋ ＨＡＮＸｕｅ Ａｂｓｔｒａｃｔ： Pattern recognition includes two aspects : sample training and sample recognition. And sample training is the premise of sample recognition.Of course, there are lots of training samples and the samples are representative, whichis good, but not the more the better. In the process of training the neural network, it is very important how to determine various parameters that is beneficial to the training efficiency such as the weights and threshold values. This paper is aimed at the use of a simple sample for neural network training, changes parameter values for observing the training effect, thus obtains the different output results and the diagrams. Further study and comparison are carried outto find out the optimal parameter settings. And the experiment method and the conclusion are helpful for application in other identification system development. Ｋｅｙｗｏｒｄｓ：

ANSYS随机振动理论

§4.5随机振动(PSD)分析步骤 PSD分析包括如下六个步骤： 1．建造模型； 2．求得模态解； 3．扩展模态； 4．获得谱解； 5．合并模态； 6．观察结果。 以上六步中，前两步跟单点响应谱分析一样，后四步将在下面作详细讲解。ANSYS/Professional产品中不能进行随机振动分析。 如果选用GUI交互方法进行分析，模态分析选择对话框（MODOPT命令）中包含有是否进行模态扩展选项（MXPAND命令），将其设置为YES就可以进行下面的：扩展模态。这样，第二步（求得模态解）和第三步（扩展模态）就合并到一个步骤中进行计算。 §4.4.9建造模型 该步与其它分析类型建立模型的过程相似，即定义工作名、分析的标题、单元类型、单元实常数、材料性质、模型几何形状等。注意以下两点： ·只有线性行为在谱分析中才是有效的。任何非线性单元均作为线性处理。如果含有接触单元，那么它们的刚度始终是初始刚度，不再改变； ·必须定义材料弹性模量（EX）（或其他形式的刚度）和密度（DENS）。材料的任何非线性将被忽略，但允许材料特性是线性的、各向同性或各向异性以及随温度变化或不随温度变化。 §4.5.0获得模态解 结构的模态解（固有频率和振型）是计算谱解所必须的。模态分析的具体过程在《模态分析》中已经阐述过，这里还需注意以下几点： ·使用Block Lanczos法（缺省）、子空间法或缩减法提取模态。非对称法、阻尼法、QR阻尼法以及PowerDynamics法对下一步谱分析是无效的；

·所提取的模态数目应足以表征在感兴趣的频率范围内结构所具有的响应； ·如果使用GUI交互式方法进行分析，模态分析设置[MODOPT]对话框的扩展模态选项置为NO状态，那么模态计算时将不进行模态扩展，但是可以选择地扩展模态（参看MXPAND命令的SIGNIF输入项的用法）。否则，将扩展模态选项置为YES状态。 ·材料相关阻尼必须在模态分析中进行指定； ·必须在施加激励谱的位置添加自由度约束； ·求解结束后退出SOLUTION处理器。 §4.5.1扩展模态 无论选用子空间法、Block Lanczos法还是缩减法，都必须进行模态扩展。关于模态扩展，《动力学分析指南—模态分析》部分“扩展模态”一节有详细讲述。另外还需注意以下几点： ·只有扩展后的模态才能在以后的模态合并过程中进行模态合并操作； ·如果对谱所产生的应力感兴趣，这时必须进行应力计算。在缺省情况下，模态扩展过程是不包含应力计算的，这同时意味着谱分析将不包含应力结果数据。 ·模态扩展可以作为一个独立的求解过程，也可以放在模态分析阶段； ·在模态扩展结束之后，应执行FINISH命令退出求解器（SOLUTION）。 正如《动力学分析指南—模态分析》部分中讲述的那样，在进行模态分析时执行MXPAND命令就可以将模态求解和模态扩展合并成一步（GUI交互方法和批处理方法）。 §4.5.2获得谱解 功率谱密度谱求解时，系统数据库必须包含模态分析结果数据，以及模态求解获得的下列文件：Jobname.MODE、Jobname.ESAV、Jobname.EMAT、Jobname.FULL （仅子空间法和Block Lanczos法有）和Jobname.RST。 1.进入求解器(/SOLU命令) Command: /SOLU GUI: Main Menu > Solution

随机振动案例讲解

辽宁工程技术大学力学与工程学院随机振动分析案例分析 题目工作中钻机钻杆的随机 振动分析 班级理力13-1班姓名 学号 指导教师苏荣华 成绩 辽宁工程技术大学 力学与工程学院制

辽宁工程技术大学 摘要： 孔底岩石表面凹凸不平，使得工作中的钻杆产生垂直方向的位移变动，岩石表面的凹凸不平是随机的，它对钻机产生随机激励，钻杆会产生随机振动。利用现代随机过程理论和已知的振动理论方法，可弄清具体的孔底反作用力。这样，就可用数学方法来确定钻头齿同孔底互撞时牙轮钻机钻杆的幅频特性和它的共振状态。根据线性累积疲劳损伤理论，便可估计钻杆的窄带随机疲劳平均寿命。关键词：随机振动；钻机钻杆；寿命估计

随机振动案例分析 工作中钻机钻杆的随机振动分析 一、钻机的工作原理 钻机（drill）是在地质勘探中，带动钻具向地下钻进，获取实物地质资料的机械设备。又称钻探机。主要作用是带动钻具破碎孔底岩石，下入或提出在孔内的钻具。可用于钻取岩心、矿心、岩屑、气态样、液态样等，以探明地下地质和矿产资源等情况。 牙轮钻机钻孔时，依靠加压、回转机构通过钻杆，对钻头提供足够大的轴压力和回转扭矩，牙轮钻头在岩石上同时钻进和回转，对岩石产生静压力和冲击动压力作用。牙轮在孔底滚动中连续地挤压、切削冲击破碎岩石，有一定压力和流量流速的压缩空气经钻杆内腔从钻头喷嘴喷出，将岩渣从孔底沿钻杆和孔壁的环形空间不断地吹至孔外，直至形成所需孔深的钻孔。 二、工作时的随机激励 孔底岩石表面凹凸不平，使得工作中的钻机产生垂直方向的位移变动，岩石表面的凹凸不平是随机的，它对钻机产生随机激励。如果这种激励过大，将导致驾驶员感到不适，同时也导致结构产生疲劳破坏。 孔底岩石表面凹凸不平，使得工作中的钻杆产生垂直方向的位移变动。岩石表面的凹凸不平是随机的，它对钻机产生随机激励，钻杆会产生竖向随机振动。利用现代随机过程理论和已知的振动理论方法，可弄清具体的孔底反作用力。这样，就可用数学方法来确定钻头齿同孔底互撞时牙轮钻机钻杆的幅频特性和它的共振状态。 三、钻杆随机振动分析 1.钻杆结构 钻杆可简化成杆的竖向振动模型

和弦的简单乐理知识有哪些

和弦的简单乐理知识有哪些 和弦的结构类型很多，如果按照组成音的多寡来区分，和弦可以分为三和弦、七和弦及九和弦等等。三和弦是由三个音组成，七和 弦是由四个音组成，九和弦则由五个音组成。如果按照和弦组成音 之间的音程结构来分类，又可分为大和弦、小和弦、增和弦、减和 弦四种形态。 这里的和弦音也叫复音、多音(polyphony)，是指MIDI中各个通道的发音数之和，与乐理中的和弦是不同的概念。和弦铃声比以往 的单音铃声音色更丰富，有强烈的立体感。目前国内的手机有4、16、24、40等多种和弦。 目前，国内市面上销售的手机，铃声大致可分为单音节铃声、3 和弦、4和弦、16和弦、32和弦、40和弦、64和弦等铃声。单音 和和弦音声音相差较大;4和弦铃声和16和弦的声音都太单簿，差 别也比较大，40和弦和32和弦的铃声差别就不大了，而64和弦和 40和弦就差别很大了。总之，3和弦、4和弦是一个档次，16和弦 是一个档次，32和弦、40和弦是一个档次，64和弦是一个档次。 和弦是按照一定的音程关系结合起来的三个或三个以上同时或先后发音，叫做“和弦”。传统和声以三度叠作为和弦构成的原则。 通常是同时发音。当你在钢琴上同时按1，3，5时所发的音，是一 个以1为根音的大三和弦。和弦的好处是声音丰满动听，富有表现力。大三和弦听起来十分响亮，而小三和弦则委婉动。 1、大三和弦：根音与三音是大三度，三音与五音是小三度，用 根音的大写英文字母音名来表示，如DO，MI，SOL和弦用C表示，FA，LA，DO和弦用F表示，降MI，SOL，降SI就用Eb表示，升FA，升LA，升DOL用F#表示。 2、小三和弦：根音与三音是小三度，三音与五音是大三度，用 根音的大写英文字母音名加上小写m表示，如RE，FA，LA和弦用

黄璜,张得龙,梁碧珊,黄瑞旺,刘鸣.(2015).大脑视知觉调控的神经机制

大脑视知觉调控的神经机制 * 黄 璜1 张得龙2 梁碧珊1 黄瑞旺1 刘 鸣**1 （1华南师范大学心理学院心理应用研究中心，广州，510631） （2广东省中医院放射科，广州，510120） 摘 要 大脑的知觉加工并非单纯由外部刺激驱动，而是存在自上而下的知觉调控。尽管这一现象被大量实验研究证实，但其神经机制仍然是认知神经科学研究的重要问题。本文系统介绍了知觉调控的神经基础、实现形式、研究范式，梳理了当前的理论模型，分析指出了当前研究面临的主要问题，并对未来的研究进行了展望，以期促进知觉调控研究的进一步开展。关键词 视觉 自上而下调控 神经机制 知觉调控模型 *本研究得到国家自然科学基金项目（31371049）、国家社科基金“十二五”规划2011年度教育学一般课题（BBA110411）、省部共建 人文社科重点研究基地项目（11JJD190003）和广东省哲学社会科学“十二五”规划2013度学科共建项目（GD13XXL06）资助。 **通讯作者：刘鸣。E-mail：lium@https://www.wendangku.net/doc/a55320214.html, 知觉学习并非完全由外界刺激驱动，而是可以主动根据具体任务进行自上而下的知觉调控 (宋艳，2006)。这种自上而下调控是高级皮层对低级皮层的神经活动产生影响实现的 (Gilbert & Sigman, 2007)。随着fMRI 技术被广泛应用于认知神经科学研究的各个领域，研究者对大脑视知觉加工过程中调控机制的功能及作用方式进行了系统探讨，并从不同角度提出了一系列理论模型。本文对知觉调控的研究现状进行梳理，并指出存在的问题与未来的研究方向，以期促进该问题的探讨。 1 大脑知觉调控 视觉系统主要包括前馈系统、侧通路和反馈系统组成(Felleman & V an Essen, 1991)。高级皮层将信号进行处理后，逆着前馈系统的传导方向将信号返回V1构成视知觉的反馈环路，对初级皮层的表征进行调控。这种调控是高级皮层的信号向低级皮层逐层传递实现的。研究发现，具有自上而下调控作用的高级皮层主要集中在非视觉感受野、多感觉区和皮下区域，调控的反馈信息主要发源于前额叶和顶叶(Grossberg, 2013)。大脑腹侧视觉通路的形状特异性脑区外侧枕叶复合体（Lateral Occipital Complex ，LOC ）在高级皮层调控初级皮层的过程中发挥关键作用(Diekhof et al., 2011; Hsieh, Vul, & Kanwisher, 2010)。 知觉调控的实现可能通过四种认知功能表现出来：⑴选择性注意使得被试对刺激不同特征的注意分配不同(O'Craven, Downing, & Kanwisher, 1999)；⑵先前经验作为已有的表征模板对当前刺激知觉加工产生影响(Gauthier, Skudlarski, Gore, & Anderson, 2000)；⑶心理表象可以改变个体对事物的感知，其清晰度能够反映大脑知觉调控的效用(Ishai, Haxby, & Ungerleider, 2002; O'Craven & Kanwisher, 2000)；⑷情绪情感可以影响刺激的加工处理，不同效价的信息认知加工的权重存在差异(Vuilleumier, Armony, Driver, & Dolan, 2001)。 知觉调控与外界刺激的前馈信息密切相关，但研究者需要在一定程度上将调控信息与前馈的刺激信息进行分离，从而实现对知觉调控功能属性的探讨。目前，知觉调控研究具有代表性的研究范式有：⑴图形-背景分离范式。与背景的特征相比，图形是所要感知的对象（目标），特征较为突显，注意程度往往较高。由于目标和背景在自下而上的信息输入和相应的知觉调控上都有所区别，因此研究者可以通过改变目标与背景的关系来探讨知觉调控的功能。⑵模糊刺激知觉范式。让被试先后两次对同一模糊化处理后的刺激进行知觉加工，但在第二次加工模糊刺激之前给被试呈现模糊图片对应的清晰图片，如穆尼图片（Mooney Images ）范式。这一范

李重光基础乐理知识笔记整理

李重光基础乐理知识笔记整理 一、乐音体系 1. 四种性质：高低，长短，强弱和音色。 2. 振动不规则，音的高低听起来不明显，叫做“噪音”。 3. 乐音体系：音乐中所使用的基本的乐音的总和。 4. 音级：乐音体系中的各音。（专指乐音） 5. 音列：按一定的音高关系和高低次序，由低到高或由高到低排列。 6. 半音：乐音体系中，音高关系的最小计量单位。 7. 全音：半音和半间之和。 8. 音名：CDEFGAB 也叫基本音级，（在中世纪已经形成，当时差不多是唯一的音级。现在发展到八十多个。钢琴五十二个白键，一个音级到下一个的距离为“八度”，do re mi fa sol la si (这些音名多用于歌唱，故叫唱名。 9. 变化音级：将基本音级加以升高或降低得来的音。 10. 升级音：将基本音级升高半音，如升C、升D、相反是降级音。 11. 重升音级：将基本音级升高全音，如重升C、重升D，等，反之为重降。 12. 音组：乐音体系中八十多个音用来区分音分为若干组，它的标记是用小写字母并在右上方加数字“1” 来表示。如：c????1,d1,e1,f1, 比小字一组高的各组，由低到高名为“小字二组”、“小字三组”、“小字四组”、“小字五组”。依次写上数字“2”、“3”、“4”、“5”。比小字一组低的各组，由高到低依次定名为“小字组”、“大字组”、“大字一组”、“大字二组”。小字组用小写字母，大字组用大写字母。 13. 标准音：目前国际通用的标准高度是每秒钟振动440 次的a 音，即以小字一组的a 为“标准音”。乐音体系中的各音级，其高度都有一定的标准。 14. 中央C: 位于乐音体系总音到中央的小字一组的c1。每秒振动约261 次。 15. 定律法：确定乐音体系中各音的绝对准确高度，人们在实践中创造了各种定律法。如十二平均律，五度相生津、纯律等。 16. 十二平均律：将一个纯八度（如c1-c2）分成十二个均等的部分。 17. 等音：音高相同而记法和意义不同的音。如升C、降D，重升B，这三个音在钢琴上音高是完全相同的。但记法和意义不同。可以看出，除了升G 和降 A 只有一个等音外，其他各音都有两个等音。 18. 复合音：平时听到某一音，一般由许多个音组合而成的。它的产生是由于发音体（以弦为例）振动时，不仅全段振动，它的各部分（二、三、四、五段等）也同时在振动。 19. 基音：由全弦振动产生的音，听的最清楚的。 20. 泛音：由发音体各部分振动而产生，不易被听出的。 21. 分音：构成复合音的各音。 22. 音域：从低音到高音，音列的总范围。 23. 音区：音域中的一部分。根据音色的不同分为高音区、中音区和低音区。小字组、小字一组、小字二组被认为是中音区，小字三，小字四，五为高音区，大字组，大字一组和二组为低音区。 二．五线谱 1. 记谱法：用书面的形式将音乐记录下来。 2. 音符：表示音的进行的符号。 3. 休止符：表示音的休止的符号。 4. P19 缺。

磁共振的原理

磁共振的原理 固体在恒定磁场和高频交变电磁场的共同作用下，在某一频率附近产生对高频电磁场的共振吸收现象。在恒定外磁场作用下固体发生磁化，固体中的元磁矩均要绕外磁场进动。由于存在阻尼，这种进动很快衰减掉。但若在垂直于外磁场的方向上加一高频电磁场，当其频率与进动频率一致时，就会从交变电磁场中吸收能量以维持其进动，固体对入射的高频电磁场能量在上述频率处产生一个共振吸收峰。若产生磁共振的磁矩是顺磁体中的原子（或离子）磁矩，则称为顺磁共振；若磁矩是原子核的自旋磁矩，则称为核磁共振。若磁矩为铁磁体中的电子自旋磁矩，则称为铁磁共振。核磁矩比电子磁矩约小3个数量级，故核磁共振的频率和灵敏度比顺磁共振低得多；同理，弱磁物质的磁共振灵敏度又比强磁物质低。从量子力学观点看，在外磁场作用下电子和原子核的磁矩是空间量子化的，相应地具有离散能级。当外加高频电磁场的能量子hv等于能级间距时，电子或原子核就从高频电磁场吸收能量，使之从低能级跃迁到高能级，从而在共振频率处形成吸收峰。 利用顺磁共振可研究分子结构及晶体中缺陷的电子结构等。核磁共振谱不仅与物质的化学元素有关，而且还受原子周围的化学环境的影响，故核磁共振已成为研究固体结构、化学键和相变过程的重要手段。核磁共振成像技术与超声和X射线成像技术一样已普遍应用于医疗检查。铁磁共振是研究铁磁体中的动态过程和测量磁性参量的重要方法。

磁共振基本原理 磁共振（回旋共振除外）其经典唯象描述是：原子、电子及核都具有角动量，其磁矩与相应的角动量之比称为磁旋比γ。磁矩M 在磁场B中受到转矩MBsinθ（θ为M与B间夹角）的作用。此转矩使磁矩绕磁场作进动运动，进动的角频率ω=γB，ωo称为拉莫尔频率。由于阻尼作用，这一进动运动会很快衰减掉，即M达到与B平行，进动就停止。但是，若在磁场B的垂直方向再加一高频磁场b（ω）（角频率为ω），则b（ω）作用产生的转矩使M离开B，与阻尼的作用相反。如果高频磁场的角频率与磁矩进动的拉莫尔（角）频率相等ω =ωo，则b（ω）的作用最强，磁矩M的进动角（M与B角的夹角）也最大。这一现象即为磁共振。 磁共振也可用量子力学描述：恒定磁场B使磁自旋系统的基态能级劈裂，劈裂的能级称为塞曼能级（见塞曼效应），当自旋量子数S=1/2时，其裂距墹E=gμBB，g为朗德因子， 为玻尔磁子，e和me为电子的电荷和质量。外加垂直于B的高频磁场b（ω）时，其光量子能量为啚ω。如果等于塞曼能级裂距，啚ω=gμBB=啚