本文關鍵詞：遞歸脈沖神經(jīng)網(wǎng)絡的監(jiān)督學習及圖像識別研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近幾年來,隨著脈沖神經(jīng)網(wǎng)絡及其學習算法研究的快速發(fā)展,越來越多的研究結果顯示脈沖神經(jīng)元通過接受、發(fā)放脈沖來傳輸信息和實現(xiàn)功能的工作原理更加接近于真實的生物神經(jīng)元,基于精確定時的脈沖神經(jīng)網(wǎng)絡成為了神經(jīng)系統(tǒng)信息處理的有效工具�；诰_定時的脈沖序列編碼信息的特點,脈沖神經(jīng)網(wǎng)絡的監(jiān)督學習目的是通過突觸權值的調(diào)整使神經(jīng)網(wǎng)絡能夠輸出脈沖序列,表達特定信息的脈沖序列�；诿}沖精確定時特性的脈沖神經(jīng)網(wǎng)絡擁有更強大的存儲和計算機能力,它能夠模擬各種神經(jīng)元信息和任意的連續(xù)函數(shù),非常適合于大腦神經(jīng)信息的處理問題。首先,多數(shù)脈沖神經(jīng)網(wǎng)絡學習算法借鑒于人工神經(jīng)網(wǎng)絡中的誤差反向傳播算法,在此基礎上給出了梯度下降的學習規(guī)則,提出了一種基于具有反饋的局部遞歸脈沖神經(jīng)網(wǎng)絡結構的監(jiān)督學習算法。針對精確定時的脈沖編碼,首先定義了多脈沖誤差函數(shù)。基于梯度下降構建輸出層和隱含層,隱含層與遞歸層神經(jīng)元之間突觸權值的學習規(guī)則,實現(xiàn)了遞歸脈沖神經(jīng)網(wǎng)絡突觸權值的自動調(diào)整。目前多數(shù)基于梯度下降的學習方法只能進行單脈沖的學習,文中分析了其中的原因,構造了適合本文算法的脈沖響應神經(jīng)元模型,使輸出層的神經(jīng)元能夠發(fā)放多個脈沖,并且能夠用于分類問題。提高了遞歸脈沖神經(jīng)網(wǎng)絡在解決復雜問題中的應用能力。然后,通過模擬一系列脈沖序列的學習,驗證了文中所提遞歸脈沖神經(jīng)網(wǎng)絡監(jiān)督學習算法對多種情況脈沖序列的學習能力。在脈沖序列的學習過程中,通過對單脈沖序列的學習,驗證了對于給定的輸入脈沖序列,遞歸脈沖神經(jīng)網(wǎng)絡能夠訓練出一個理想的脈沖序列。接著,通過對多脈沖序列的學習顯示了學習一個隨機輸入脈沖序列模式到多個目標輸出脈沖序列的映射的能力。結果顯示該算法能夠?qū)崿F(xiàn)脈沖序列復雜時空模式的學習。最后,在多任務脈沖序列的學習過程中展示了該算法對于不同的輸入模式能夠并行地完成多模式的學習能力。實驗結果表明了該遞歸脈沖神經(jīng)網(wǎng)絡監(jiān)督學習算法能夠有效的完成不同的脈沖序列學習任務,能夠?qū)崿F(xiàn)脈沖序列的復雜時空模式學習。同時,將該算法應用到了對LabelMe圖像數(shù)據(jù)集中部分圖像的分類問題,驗證了該算法對圖像分類問題的求解能力。
【關鍵詞】：遞歸脈沖神經(jīng)網(wǎng)絡 監(jiān)督學習 圖像分類 梯度下降 相位編碼
【學位授予單位】：西北師范大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41;TP183
【目錄】：

• 摘要8-9
• Abstract9-11
• 1 緒論11-21
• 1.1 課題研究的背景及意義11-13
• 1.2 遞歸脈沖神經(jīng)網(wǎng)絡監(jiān)督學習的研究現(xiàn)狀13-16
• 1.3 基于神經(jīng)網(wǎng)絡的圖像識別研究進展16-18
• 1.4 論文的主要研究內(nèi)容及組織結構18-21
• 1.4.1 論文的主要研究內(nèi)容18-20
• 1.4.2 論文組織結構20-21
• 2 遞歸脈沖神經(jīng)網(wǎng)絡的相關理論21-29
• 2.1 遞歸脈沖神經(jīng)網(wǎng)絡的基本結構21-23
• 2.2 脈沖神經(jīng)元響應模型23-27
• 2.2.1 Hodgkin-Huxley模型24-25
• 2.2.2 Leaky-integrate-and-Fire模型25
• 2.2.3 脈沖響應模型25-27
• 2.3 脈沖序列的信息編碼方法27-28
• 2.3.1 線性編碼27
• 2.3.2 Time-To-First-Spike編碼27-28
• 2.3.3 相位編碼28
• 2.4 本章小結28-29
• 3 遞歸脈沖神經(jīng)網(wǎng)絡的監(jiān)督學習算法29-36
• 3.1 遞歸脈沖神經(jīng)網(wǎng)絡結構29
• 3.2 脈沖響應模型29-30
• 3.3 構造誤差函數(shù)30-31
• 3.4 遞歸脈沖神經(jīng)網(wǎng)絡的監(jiān)督學習算法31-35
• 3.4.1 輸出層突觸權值的誤差梯度計算31-33
• 3.4.2 隱含層突觸權值的誤差梯度計算33-35
• 3.5 本章小結35-36
• 4 脈沖序列的學習過程分析36-44
• 4.1 多脈沖學習的基本思想36-38
• 4.2 單脈沖序列學習過程38-40
• 4.3 多脈沖序列學習過程40-41
• 4.4 多任務脈沖序列學習過程41-43
• 4.5 本章小結43-44
• 5 基于遞歸脈沖神經(jīng)網(wǎng)絡的圖像識別44-51
• 5.1 圖像識別算法及Latency-Phase編碼44-46
• 5.2 網(wǎng)絡結構和圖像編碼46-49
• 5.3 LabelMe圖像數(shù)據(jù)集分類及實驗結果分析49-50
• 5.4 本章小結50-51
• 6 總結與展望51-53
• 6.1 總結51
• 6.2 研究展望51-53
• 參考文獻53-57
• 攻讀碩士期間學術成果57-58
• 致謝58

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡來自于仿生學[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡的研究進展[J];系統(tǒng)工程與電子技術;2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡及其應用研究[J];計算機工程與應用;2004年21期

5 王凡,孟立凡;關于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡及其應用研究[J];微計算機信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡在股票市場預測中的應用[J];軟件導刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 曾U喺

本文編號：287382