脈沖耦合神經(jīng)網(wǎng)絡(luò)是根據(jù)哺乳動(dòng)物視覺(jué)皮層的信息處理機(jī)制構(gòu)建的一種人工神經(jīng)網(wǎng)絡(luò),也被稱(chēng)作“第三代神經(jīng)網(wǎng)絡(luò)”,以其獨(dú)有的脈沖同步發(fā)放特性以及捕獲性被廣泛地應(yīng)用于圖像處理領(lǐng)域。但是,傳統(tǒng)脈沖耦合神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜,參數(shù)眾多,而且這些參數(shù)往往需要人工設(shè)置或者依靠經(jīng)驗(yàn)計(jì)算公式,使得模型性能很不穩(wěn)定,已經(jīng)越來(lái)越無(wú)法達(dá)到人們所需要的圖像處理效果。本文結(jié)合生物神經(jīng)元的信息處理機(jī)制,在傳統(tǒng)脈沖耦合神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,提出了一種改進(jìn)模型。這種模型在繼承了傳統(tǒng)模型所具有的同步脈沖發(fā)放以及捕獲性等特性的基礎(chǔ)上,加入了Hebb法則,使其更加接近真實(shí)生物神經(jīng)元的特征。將其應(yīng)用于圖像分割、圖像檢索以及人臉識(shí)別等圖像處理問(wèn)題中,取得了較好的效果。具體進(jìn)行了以下三個(gè)方面的研究:1.針對(duì)傳統(tǒng)脈沖耦合神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、參數(shù)眾多的問(wèn)題,本文提出了一種改進(jìn)模型,去除了傳統(tǒng)模型反饋輸入域和耦合鏈接域中的自反饋輸入部分,只保留了耦合鏈接域的鏈接通道,并將閾值函數(shù)變?yōu)閱握{(diào)的指數(shù)衰減形式。在精簡(jiǎn)模型參數(shù)的基礎(chǔ)上,引入了與真實(shí)生物神經(jīng)元機(jī)制更加相似的Hebb法則,從而對(duì)權(quán)重矩陣和外部激勵(lì)更新方式進(jìn)行改進(jìn)。根據(jù)其在圖像分割和人臉識(shí)別方面的實(shí)驗(yàn)效... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：95 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

PCNN神經(jīng)元ijN的結(jié)構(gòu)

圖 2.2 神經(jīng)元之間捕獲及點(diǎn)火時(shí)刻2-36)和(2-37)可以得到神經(jīng)元 能夠被捕獲的亮度強(qiáng)度范圍為： ,1ijkl ijklSS S L (式(2-38)、(2-39)以及圖 2.2 可以看出，捕獲范圍與鏈接強(qiáng)度 以及關(guān)，捕獲范圍將隨著 和 的增大而變大，這也就會(huì)使得更多處于步點(diǎn)火，反之亦然。也就是說(shuō)，本來(lái)需要在正常時(shí)刻點(diǎn)火的神經(jīng)元耦合并且亮度較高的神經(jīng)元 的影響被捕獲而提前點(diǎn)火，在參數(shù)條件下，神經(jīng)元之間的像素差別越小，越容易被捕獲而提前點(diǎn)火。下，PCNN 能夠集群發(fā)放同步脈沖，也就是所謂的同步脈沖發(fā)放現(xiàn)N 網(wǎng)絡(luò)的基本特性

ijN 的自然點(diǎn)火行為由圖3.1可以看到閾值隨著神經(jīng)元運(yùn)行狀態(tài)反復(fù)變化，從局部看是指數(shù)衰減下降，但經(jīng)過(guò)或長(zhǎng)或短的時(shí)間衰減后必然會(huì)由于神經(jīng)元的點(diǎn)火激活而上升，之后又接著指數(shù)衰減，然后又產(chǎn)生上升脈沖，如此循環(huán)往復(fù)變化下去。通過(guò)這種方式處理過(guò)的圖像中的大量信息都包含在神經(jīng)元的點(diǎn)火頻率或者激活相位中，而大部分的圖像處理工作如圖像分割、圖像去噪等并不能利用這些信息，相反還會(huì)增加計(jì)算量，如圖像分割所輸

【參考文獻(xiàn)】：
期刊論文
[1]基于TTFS編碼的脈沖神經(jīng)網(wǎng)絡(luò)圖像分割方法[J]. 藺想紅,張寧,崔文博,馮麗霞.  計(jì)算機(jī)工程. 2015(08)
[2]基于抑制性突觸多層神經(jīng)元群放電編碼的圖像邊緣檢測(cè)[J]. 廖進(jìn)文,范影樂(lè),武薇,高云園,李軼.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2014(05)
[3]圖像分割中的模糊聚類(lèi)方法[J]. 李旭超,劉海寬,王飛,白春艷.  中國(guó)圖象圖形學(xué)報(bào). 2012(04)
[4]基于PCNN噪聲檢測(cè)的兩級(jí)脈沖噪聲濾波算法[J]. 劉勍,許錄平,馬義德,羅楠.  光電子.激光. 2009(11)
[5]一種新的基于PCNN的自適應(yīng)強(qiáng)去噪方法[J]. 劉遠(yuǎn)民,秦世引.  北京航空航天大學(xué)學(xué)報(bào). 2009(01)
[6]基于并行點(diǎn)火PCNN模型的圖像分割新方法[J]. 彭真明,蔣彪,肖峻,孟凡斌.  自動(dòng)化學(xué)報(bào). 2008(09)
[7]一種基于PCNN賦時(shí)矩陣的圖像去噪新算法[J]. 劉勍,馬義德.  電子與信息學(xué)報(bào). 2008(08)
[8]基于PCNN神經(jīng)網(wǎng)絡(luò)的圖像去噪算法研究[J]. 鄒文潔.  計(jì)算機(jī)仿真. 2008(08)
[9]PCNN與灰度形態(tài)學(xué)相結(jié)合的圖像去噪方法[J]. 馬義德,張紅娟.  北京郵電大學(xué)學(xué)報(bào). 2008(02)
[10]基于脈沖神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別方法的初步探究[J]. 曹平,陳盼,章文彬,張潮.  計(jì)算機(jī)工程與科學(xué). 2008(04)

博士論文
[1]脈沖耦合神經(jīng)網(wǎng)絡(luò)關(guān)鍵特性的理論分析及應(yīng)用研究[D]. 聶仁燦.云南大學(xué) 2013



本文編號(hào)：3594051