帕金森状态的脉冲神经网络建模及最优控制

第1章 绪论\t1
1．1 脑科学\t1
1．1．1 类脑研究\t1
1．1．2 脑疾病\t2
1．2 帕金森病及其诊疗技术\t3
1．2．1 帕金森病与神经电生理特性\t4
1．2．2 深部脑刺激技术\t6
1．3 闭环控制技术\t7
1．3．1 PID闭环调制\t7
1．3．2 自适应神经调制\t8
1．3．3 最优控制策略\t8
第2章 帕金森病的脉冲模型\t10
2．1 单神经元脉冲模型\t10
2．1．1 神经元生物模型\t10
2．1．2 单间室电生理模型\t11
2．1．3 双间室电生理模型\t16
2．1．4 电缆模型\t22
2．1．5 简化模型\t25
2．2 脉冲网络模型\t36
2．2．1 功能性神经网络模型\t37
2．2．2 基底核电生理网络模型\t42
2．3 本章小结\t68
第3章 脉冲模型的非线性动态\t69
3．1 相关理论\t69
3．1．1 奇异摄动理论\t70
3．1．2 Zeeman模型渐近结构分析\t72
3．2 脉冲模型的典型非线性动力学分析\t76
3．2．1 脉冲模型的快慢时间系统渐近结构分析\t76
3．2．2 脉冲模型的相平面分析\t80
3．2．3 脉冲模型的分岔动态\t84
3．2．4 脉冲模型的同步分析\t87
3．3 相响应曲线分析\t97
3．3．1 单峰脉冲神经元的相响应曲线与同步\t97
3．3．2 簇放电神经元的相响应曲线与同步\t105
3．4 本章小结\t116
第4章 基于相重置的帕金森病最优控制\t117
4．1 帕金森病的治疗机制\t117
4．1．1 帕金森病与同步现象\t117
4．1．2 神经系统的去同步控制\t118
4．2 帕金森病的相重置优化控制\t119
4．2．1 从状态方程到相模型\t120
4．2．2 外部强扰动下的PRC\t122
4．2．3 耦合对模型PRC的影响\t125
4．2．4 神经元的相重置控制\t128
4．3 本章小结\t129
第5章 基于动态规划的帕金森病最优控制\t130
5．1 动态规划\t130
5．1．1 动态规划概念\t130
5．1．2 离散的动态规划\t131
5．1．3 连续的动态规划\t136
5．2 帕金森病的动态规划最优控制\t139
5．2．1 控制问题描述\t139
5．2．2 动态规划算法描述\t140
5．2．3 控制结果\t142
5．3 本章小结\t153
第6章 基于强化学习的帕金森病最优控制\t155
6．1 强化学习基本概念\t156
6．2 强化学习的算法\t157
6．2．1 蒙特卡罗法\t158
6．2．2 瞬时差分法\t160
6．2．3 Sarsa算法\t161
6．2．4 Q学习算法\t163
6．3 连续的强化学习\t166
6．3．1 RBF神经网络Q学习\t167
6．3．2 BP神经网络\t172
6．3．3 CMAC神经网络\t173
6．4 帕金森病的强化学习最优控制\t174
6．4．1 控制问题描述\t174
6．4．2 算法实现\t176
6．5 本章小结\t179
参考文献\t180