ann11 神经网络 第十一章 脉冲耦合神经网络

《ann11 神经网络 第十一章 脉冲耦合神经网络》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、神经网络NeuralNetworks第十一章脉冲耦合神经网络史忠植中国科学院计算技术研究所http://www.intsci.ac.cn/内容提要•11.1概述•11.2视觉皮层理论•11.3脉冲耦合神经网络模型•11.4交叉皮层模型•11.5贝叶斯连接域神经网络模型•11.6贝叶斯连接域神经网络模型在特征捆绑中的应用2014/4/13史忠植神经网路2脉冲耦合神经网络随着生物神经学的研究和发展，Eckhorn等通过 对小型哺乳动物大脑视觉皮层神经系统工作机理 的仔细研究，提出了一种崭新的网络模型¾¾脉 冲耦合神经网络模型Pulse-CoupledNeural

2、Network,PCNN)。PCNN来源于对哺乳动物猫的 视觉皮层神经细胞的研究成果，具有同步脉冲激 发现象、阈值衰减及参数可控性等特性。由于其 具有生物学特性的背景、以空间邻近和亮度相似 集群的特点，因此在数字图像处理等领域具有广 阔的应用前景。将PCNN的最新理论研究成果与其 他新技术相结合，开发出具有实际应用价值的新 算法是当今神经网络研究的主要方向之一。2014/4/133史忠植神经网路脉冲耦合神经网络1952年，Hodgkin与Huxley开始研究神经元电化学特性[216] 。1987年，CharlesM.Gray等发现猫的初生视觉皮层有神 经激发相

3、关振荡现象[172；173]。1989年,Reinhard Eckhorn和CharlesM.Gray研究了猫的视觉皮层，提出了 具有脉冲同步发放特性的网络模型[106；173]。1990年， ReinhardEckhorn根据猫的大脑皮层同步脉冲发放现象，提 出了展示脉冲发放现象的连接模型[107]。对猴的大脑皮层进 行的试验中，也得到了相类似的试验结果。1994年， Johnson发表论文，阐述了PCNN的周期波动现象及在图像处 理中具有旋转、可伸缩、扭曲、强度不变性[244]。通过对 Eckhorn提出的模型进行改进，就形成脉冲耦合神经网络（ PCNN）

4、模型。于1999年IEEE神经网络会刊出版了脉冲耦合 神经网络专辑.国内也于20世纪90年代末开始研究脉冲耦合神 经网络。2014/4/134史忠植神经网路脉冲耦合神经网络为了更进一步提高性能，必须降低计算复杂度，即要减少神经元连接数。Ekblad,U.和J.M.Kinser于2004年提出了交叉皮层模型（IntersectingCorticalModel,ICM）提高图像处理的速度。2014/4/135史忠植神经网路脉冲耦合神经网络视觉皮层各个区域分别用V1 、V2、V3、V4、V5表示。 V1表示条纹状视觉皮层区 域，它对图像很少进行预处 理，但包含着丰富

5、的图像细 节信息。V2进行视觉映射 ，视觉图谱信息少于Vl。 V3、V4、V5可以是独立处 理色彩、静态和运动信息的 特定功能区域。2014/4/136史忠植神经网路Hodgkin-Huxley模型20世纪50年代，Hodgkin和Huxley研究哺乳动物视觉皮层细胞，提出了膜电位的运行模型。I=m3hG(E-E)+n4G(E-E)+G(E-E)NaNakkLL其中，I是通过膜的离子电流，m表示通道打开的概率，G表示 钠、钾等离子的电导和漏电导，E表示总电位。m随时间的变化率为:dmdt=--a(1m)bmmm其中，am是小颗粒未通过通道的比例，bm是通过通道

6、的比例。am和bm 都取决于总电位E，并且对钠离子Na+和钾离子K+具有不同的值。2014/4/137史忠植神经网路FitzHugh-Nagumo模型20世纪60年代初，对神经细胞膜及轴突进行理论分析和定 量模拟，提出FitzHugh-Nagumo模型。在此模型中，神经元 的行为用一个范德坡振荡器(vanderPoloscillator)进 行描述。该模型有多种描述形式，但每种形式本质是相同的 ，即用一个耦合振荡器来描述一个神经元。例如，Labbi等 描述神经元的膜电势x和电压恢复量y之间的相互作用如下dxe=--+yg(x)Idtdydt=-xby2014/

7、4/13史忠植神经网路8Eckhorn模型1990年，根据猫的视皮层的同步振荡现象，Eckhorn提出一个脉冲神经网络模型，如图所示。这个模型由许多相互连接的神经元构成，每个神经元包括两个功能上截然不同的输入部分：分别是常规的馈接（Feeding）输入，和起调制作用的连接（Linking）输入。而这两部分的关系并非像传统神经元那样是加耦合的关系，而是乘耦合的关系。2014/4/139史忠植神经网路Eckhorn模型U=Ft+Ltmkkk,()[1()]N=å++ÄFtwYtStNtIVtt()[()()()](,,)faakkiikki=1N=å+ÄLtwYt

8、NtIVtt()[()()](,,)l