基于生物侧抑制机制的神经网络模型研究

基于生物侧抑制机制的神经网络模型研究

ID:36814050

大小:2.39 MB

页数:67页

时间:2019-05-15

基于生物侧抑制机制的神经网络模型研究_第1页
基于生物侧抑制机制的神经网络模型研究_第2页
基于生物侧抑制机制的神经网络模型研究_第3页
基于生物侧抑制机制的神经网络模型研究_第4页
基于生物侧抑制机制的神经网络模型研究_第5页
资源描述:

《基于生物侧抑制机制的神经网络模型研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、南京航空航天大学硕士学位论文基于生物侧抑制机制的神经网络模型研究姓名:梁爽申请学位级别:硕士专业:模式识别与智能系统指导教师:王从庆2010-12南京航空航天大学硕士学位论文摘要侧抑制机制存在于生物神经系统中,是神经系统信息处理的基本原则之一,能够运用在图像处理的各个方面,使得处理结果图更符合“人眼”的视觉效果。基于生物生理特性,研究者们提出很多神经网络模型。本文将从侧抑制机制出发,探讨研究基于视觉系统的侧抑制构成的神经网络模型。首先,研究基于生物视觉系统提出的脉冲耦合神经网络(PulseCoupledNeuralNetwork,PCNN

2、),PCNN运用于图像处理是一种单层二维的局部连接网络,神经元与像素点一一对应。本文对PCNN进行参数讨论,并将其运用于图像分割、图像增强、边缘检测;与传统方法比较优劣,基于生物视觉系统的模型用于图像处理具有运行速度较快、结果比较自然、灰度表现力好、且能够很好地提取图像中的信息等特点。其次,对生物侧抑制模型进行分类并讨论,针对侧抑制模型运用于图像处理方面的缺陷提出两种新的方法:一种是加入可能性度量因子;一种是与自适应滤波相结合;进行实验分析论证方法的可行性。接着针对PCNN在图像处理方面的缺陷,给出一种新的模型,即侧抑制机制与PCNN相结

3、合的模型进行仿真实验,所得的结果比单纯PCNN仿真结果轮廓线条更加明确,图像具有更好的连通性。最后,给出一种基于点火(Integrate-and-Fire,IF)的侧抑制机制神经网络群用于位置跟踪的模型,在此基础上,提出一种新的迭代训练算法PITS(Progressiveinteractivetrainingscheme,PITS)算法进行参数学习,利用信息中心(InformationCenter,IC)储存每次训练结果,在保证收敛的情况下,比较跟踪结果的误差函数给出权值调整公式进行自学习。运用H-H简化的模型在模拟侧抑制机制的同时实现位

4、置跟踪,新的学习算法提高了跟踪精度和速度。关键字:侧抑制机制,脉冲耦合神经网络,视觉系统,点火模型,位置跟踪i基于生物侧抑制机制的神经网络模型研究ABSTRACTLateralinhibitionisoneofthebasicprinciplesinneuralinformationprocessingsystemswhichexistinbiologicalneuralsystems.Itcanbeusedinimageprocessingtomaketheresultmoresuitabletohumanvisualsystem.Ma

5、nyneuralnetworkmodelshavebeenproposedbasedonthebiologicalphysiologicalcharacteristics.Thispaperwillmakearesearchontheneuralnetworkmodelbasedonlateralinhibitionofthevisualsystem.First,thepulsecoupledneuralnetwork(PCNN),whichisbasedonthebiologicalsystem,hasbeenresearched.In

6、imageprocessing,PCNNisusedasasingle2-Dlocalconnectionnetwork,wherenervecellandpixelareonetoonecorrespondence.ThispaperdiscussestheparametersofPCNNanditsapplicationtoimagesegmentation,imageenhancementandedgedetection.Advantagesanddisadvantagesarecomparedwithtraditionalmeth

7、odstostudythevisualsystemmodelbasedonbiologicalcharacteristics.Themodelbasedonbiologicalvisionsystemsinimageprocessingrunsfaster,performsmorenaturalresults,andextractsinformationwellfromimageswithgoodgrayscaleexpression.Second,classificationanddiscussionofbiologicallatera

8、linhibitionmodelhavebeenconducted.Twonewmethodshavebeenproposedaccordingtotheweaknessofthelatera

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。