报告题目：  随机神经系统建模与分析的几个问题

报告人：卢文联

时间：12月23日上午8:15-10:15   地点：中二楼-2249

 
 
        

         
内容简介：
        
        

         
      
        
        

         
　　本报告主要介绍三个工作：1.利用计算神经元模型，结合实验数据建立高斯神经场模 
型， 见神经元放电行为视为时空高斯场，利用随机过程的首次到达时间理论，将神经元 
模型产生的放电序列也近似为高斯场，从而建立向前和递归的高斯神经长模型，与传统 
的平均场神经场模型相比较，能有效的描述神经信号的随机性；2. 将神经行为视为高斯 
时空场，与合作者一道发展了一套基于时空特征的优化Granger因果统计推论框架，利 
用时（空）切换系统来描述神经科学实验数据时间序列；3.运用高斯神经场对控制神经 
脉冲信号建模，利用现代控制理论，证明了在噪音环境中，亚泊松的爆发式神经放电神 
经信号可实现零误差的精确控制，从数学上讲，优化的神经控制信号不是一个关于时间 
的函数，而是以时间为参数Young测度。
        
        

         
 
        
        

         
 
        
        

         
报告人简介：
        
        

         
       
        
        

         
　　卢文联，复旦大学数学科学学院教授、博导，IEEE高级会员。他于2000年毕业于复 
旦大学数学系，2005年在复旦大学获得应用数学专业博士。2005-2007年在德国马克斯 
普朗克科学数学研究所做博士后，2012-2014年作为“玛丽-居里”学者在英国华威大学 
计算机系合作研究。他的研究领域包含神经网络模型的数学方法及其应用、复杂系统与 
复杂网络理论和应用、非线性动力系统、计算神经模型和大脑影像数据分析。共发表SCI 
论文60余篇，SCI他引总数超过1500次。曾荣获全国优秀博士论文（2007）、上海市自 
然科学二等奖（2008，第二完成人）、亚太神经网络联合会青年学者奖、国家自然科学 
二等奖（2015，第五完成人）、和教育部高等学校优秀科研成果二等奖（2015，第一完 
成人）。他目前担任国际知名期刊Neurocomputing和IEEE Transactions on Neural  
Networks and Learning Systems的编委。