`
hulianwang2014
  • 浏览: 735472 次
文章分类
社区版块
存档分类
最新评论
  • bcworld: 排版成这样,一点看的欲望都没有了
    jfinal

互联网与神经学的交叉对比研究

 
阅读更多

这是一篇即将发表的论文摘要,我深信美国人至少要到2011年以后,才会从科学的角度上全面发觉互联网与神经学的交叉对比问题,到那时,他们至少已经落后了4年。再未来的几篇博客中,将对若干最新研究结果进行阐述。

互联网与神经学的交叉对比研究

刘锋12

1.中国科学院虚拟经济与数据科学研究中心,北京(100190)

2.北京交通大学计算机与信息技术学院,北京(100044)

摘要:

随着互联网的发展,越来越多的迹象表明互联网与神经学具有很强的对比性,本文首先就互联网和神经学交叉对比的猜想提出过程进行介绍。然后通过神经学对互联网研究的启发,分别从互联网虚拟神经元,虚拟感觉和运动系统,虚拟自主神经系统,虚拟中枢神经系统,虚拟神经反射弧对互联网虚拟大脑的结构和功能进行阐述。利用互联网对神经学研究的启发,从路由系统,搜索引擎应用,维基百科应用,IP地址应用等方面介绍了人脑中类互联网结构功能的研究方法和实验设计。同时本文也对其他研究者观点以及云计算,物联网,智慧地球等相关概念进行了介绍。

关键词:互联网大脑神经学互联网虚拟大脑互联网进化

中图分类号:TP393.4;Q42文献标识码:A

CrossovercomparativestudyontheInternetandNeurologyn

LiuFeng12

1ResearchCentreonFictitiousEconomyandDataScience,ChineseAcademyofSciences,

Beijing(100190)

2SchoolofComputerandInformationTechnologybeijingjiaotongunversityBeijing(100044)

Abstract:

Followingthedevelopmentoftheinternet,moreandmorephenomenashowthattherearestrongrelativepropertiesbetweentheInternetandNeurology.ThearticlefirstmakesareviewonthedevelopingprocessofideaoncrossovercomparationoftheInternetandNeurology,thenbasedontheenlightmentbyNeurologyontheinternetresearch,elaboratesthestructureandfunctionsofInternetvirtualbrainfromaspectsofvirtualnervecell,virtualsensoryandlocomotorsystem,virtualautonomicnervoussystem,virtualcentralnervoussystem,virtualneuralarc,andmakesintroductionontheresearchmethodsandexperimentaldesignsofstructuresandfunctionssimilartoInternetinhumanbrainsfromaspectsofroutersystem,searchengine,Wikipedia,IPaddressetc.Thearticlealsomakesintroductionontheviewsofotherrelativeresearchersandrelatedconceptsof"cloudcomputing","theinternetofthings","smarterplanet"etc.

Keyword:InternetbraininternetvirtualbrainneurologevolutionofInternet

更多内容请参看 http://www.intevl.com

分享到:
评论

相关推荐

    一种基于改进遗传算法的神经网络优化算法研究.docx

    总结来说,本文的研究对改进遗传算法在神经网络优化中的应用进行了深入探讨,通过结合两种算法的优势,实现了更高效的优化过程,对于未来互联网行业的数据处理和智能决策有着重要的理论和实践意义。

    一张图破解大数据,云计算,物联网和移动互联网的关系.pdf

    通过对这些技术的交叉对比和研究,可以更好地理解它们之间的联系和区别,以及如何在互联网虚拟大脑的框架下协同工作。这样的分析有助于预测互联网未来的发展趋势,探索更高效、智能的应用和服务模式。同时,这也为...

    电子信息工程与人工智能的关系研究 (2).pdf

    电子信息工程与人工智能存在很多技术上的交叉点,两者都融合了计算机技术、神经心理学、心理学、语言学、控制理论、信息学等相关学科的研究内容,两者都需要应用计算机计算来实现各种结果的处理。两者的共同发展目标...

    基于BP神经网络的农产品跨境电商人才培养方案设计与应用.pdf

    6. 传统分类算法与BP神经网络模型的对比:包括分类精确度、资源消耗等方面的比较。 7. 精准培养策略:如何根据人才类型提供个性化培养方案,避免资源浪费。 综合以上知识点,文章展示了将BP神经网络技术应用于农...

    电子信息工程与人工智能的关系研究 (2).docx

    电子信息工程与人工智能存在很多技术上的交叉点,两者都融合了计算机技术、神经心理学、心理学、语言学、控制理论、信息学等相关学科的研究内容,两者都需要应用计算机计算来实现各种结果的处理。两者的共同发展目标...

    动态社区发现算法的研究进展

    #### 四、现有动态社区发现算法的比较与分析 现有的动态社区发现算法各有优缺点。例如,基于同步方法的算法能够在一定程度上捕捉到社区结构的动态变化,但由于假设所有节点同步更新状态,可能会忽略某些实际情况下...

    基于数据挖掘的客户流失预测实证研究

    2. **模型构建与评估**:构建代价敏感SVM模型和其他对比模型,并通过交叉验证等方法评估模型的性能。 3. **客户细分与策略制定**:根据K-means聚类结果,分析不同类别客户的流失原因,并据此提出相应的挽留策略。 ...

    数据挖掘实验报告-综合实验2-分类与预测的综合实验.docx

    本实验报告聚焦于分类与预测的综合应用,通过分析泰坦尼克号事故的数据集,旨在掌握和对比不同分类模型的性能,并利用模型融合技术提高预测准确性。 实验的核心任务是基于泰坦尼克号乘客数据集构建分类模型,预测...

    跨媒体深层细粒度关联学习方法.pdf

    随着互联网与多媒体技术的快速发展,网络上的数据已经不再局限于单一的文本形式,而是包含了图像、视频、文本、音频以及3D模型等多种媒体类型,这使得跨媒体检索成为了信息检索领域的一个重要研究方向。然而,不同...

    毕设&课程作业_基于CSI的工业互联网深度学习定位.zip

    7. **实验与评估**:通过实地测试验证模型的性能,对比传统方法,分析误差和改进空间,可能包括精度、实时性等方面的评估指标。 8. **报告撰写**:包含项目的背景介绍、技术实现、实验结果分析和未来工作展望等内容...

    网络游戏-基于神经网络的VoIP无参考视频通信质量客观评价方法.zip

    因此,开发一种无参考的客观评价方法成为研究焦点,尤其是结合神经网络技术,可以实现自动化、高效的质量评估。 神经网络是一种模拟人脑神经元结构的计算模型,具有强大的学习和泛化能力。在VoIP质量评估中,可以...

    基于遗传神经网络的时序数据预测.pdf

    在遗传神经网络中,遗传算法用于优化神经网络的连接权值、阈值以及网络结构,通过模拟自然选择、交叉、变异等过程,寻找适合特定问题的最优网络参数和结构。 本文以机场短时局地天气预报为例,建立了基于遗传神经...

    粒子群算法与遗传算法的比较【精品文档】(完整版).docx

    《粒子群算法与遗传算法的比较》 在优化问题的求解领域,粒子群算法(Particle Swarm Optimization,PSO)和遗传算法(Genetic Algorithm,GA)是两种广泛应用的全局优化算法,它们均源于生物进化理论,但在实现...

    代码 基于BP神经网络的人口预测代码.rar

    3. **反向传播算法**:BP算法的关键在于误差反向传播,即通过比较实际输出与期望输出的误差,自顶向下地调整各层神经元的权重,以最小化损失函数。 二、BP神经网络在人口预测中的应用 1. **数据预处理**:人口预测...

    电子政务-基于遗传算法优化神经网络直线电机定位力辨识方法.zip

    电子政务是一种利用信息技术手段,将政府服务、管理、决策等职能与互联网相结合的现代化行政管理模式。在这个领域,高效精准的设备控制技术是至关重要的,比如直线电机定位系统。本资料探讨的是如何通过遗传算法优化...

    2011第四届一阶段优秀论文.zip

    5. **跨学科交叉**:当时的优秀论文可能体现了不同领域之间的交叉融合,比如计算机科学与生物学的结合(生物信息学)、计算社会科学等,揭示了多学科合作的重要性。 6. **评价标准**:了解这些论文为何被评为优秀,...

Global site tag (gtag.js) - Google Analytics