目前,人工智能是全世界范围内重点关注的热点技术,其中机器感知作为人工智能的重要组成部分,是人工智能进行信息获取和实现与外界信息交互的重要来源。机器感知包括机器视觉、机器嗅觉和机器味觉等,其主要目的是利用机器来模拟、延伸和扩展人的感知或认知能力,其中基于生理基础建立神经感知模型是推动机器感知发展的有效手段之一。因此,本文基于味觉生理基础建立味觉神经传导模型,探求人类味觉神经系统感知外界刺激的响应模式,对推动机器味觉感知的发展具有重要的现实意义。生理感知模型是研究生物神经系统各项生理活动的有效手段,为了揭示味觉神经传导机理以及探求味觉系统响应外界刺激的作用模式,本文基于味觉神经生理解剖基础,建立了具有混沌网络特性的味觉神经传导模型。通过梳理味觉神经传导通路,进而抽象神经网络拓扑结构,对神经传导的各个节点进行数字化表达,使用二阶微分方程表征味觉模型中各节点的神经动力学特性,完成从味觉感受器到大脑皮质味觉区的味觉神经传导机制建模。同时采集大脑响应不同强度味觉刺激的脑电信号,一方面通过味觉脑电实验探究大脑响应味觉刺激时的响应规律;另一方面,将味觉脑电信号与味觉神经传导模型响应结果进行对比分析,完成模型仿生性和合理性的验证。利用四阶龙格库塔法对模型进行数值分解从而完成模型仿真分析,对比味觉脑电实验中脑电波响应味觉刺激的规律以及响应输出的1/f特征,验证模型与实际味觉生理活动存在相似性,从而说明模型在一定程度上具有仿生性。引入梯度下降法和人工神经网络中的反向传播学习规则完成模型参数优化,通过比较优化前后1/f特性的变化验证模型参数优化的效果。通过机器味觉啤酒实验,用传感器响应的电压信号拟人体味觉感知所产生的电信号,将不同味质刺激下的味觉信号输入模型,通过分析模型对不同味觉信号的分类准确率,验证模型的模式识别能力,从而验证模型与真实味觉感知系统对味质刺激同样具有识别能力。结果表明,味觉神经传导模型在接受不同外界刺激时能够及时响应,且在外界刺激撤去后能够迅速恢复到刺激前的状态,输出波形呈现随机的、无序的振荡状态;味觉模型的输出响应与味觉脑电信号在响应规律有很大程度地相似性,同时味觉模型的功率谱呈现随频率增加依幂律下降的特性,与味觉脑电信号以及实际生理实验中EEG信号所呈现的1/f特性相吻合;进行参数优化后,模型功率谱依幂律下降的趋势更加明显;3折交叉验证的条件下,味觉模型对3种品牌啤酒的分类准确率为58.3%。由此可得,味觉模型响应不同外界刺激时有良好的感知能力和自我恢复能力,与实际味觉脑电信号的响应状态和响应规律基本一致,同时模型对不同的味觉刺激有一定的模式识别能力,但识别精度待优化提升,在功能上和性能上均呈现出仿生性,而且对味觉模型进行参数优化后,模型的1/f特性变得更加精确。