基本介紹
- 書名：時空編碼脈衝耦合神經網路理論及套用
- 作者：顧曉東
- ISBN：9787030548054
- 出版社：科學出版社
出版信息,內容簡介,目錄,
出版信息
出版社：科學出版社
ISBN：9787030548054
版次：31
商品編碼：12269778
包裝：平裝
叢書名：信息科學技術學術著作叢書
開本：16開
出版時間：2017-11-01
頁數：324
字數：408000
正文語種：中文
內容簡介
《時空編碼脈衝耦合神經網路理論及套用》全面而系統地介紹了具有生物學背景的時空編碼脈衝耦合神經網路的理論及套用。《時空編碼脈衝耦合神經網路理論及套用》共9章，第1、2章介紹時空編碼人工神經網路和空間編碼人工神經網路的異同，時空編碼脈衝耦合神經網路的基本理論、套用及研究現狀，脈衝耦合神經網路的動態行為，以及更便於用硬體實現的單位連線模型；第3～7章介紹脈衝耦合神經網路在圖像處理、特徵提取、模式識別和最佳化等方面的理論及套用研究，融合數學形態學、模糊數學、粗集和粒子濾波等理論，並由數學形態學得到脈衝耦合神經網路圖像處理通用設計方法，具體介紹了近二十種相關套用；第8、9章介紹基於脈衝耦合神經網路的仿生建模理論及套用，將脈衝耦合神經網路和注意力選擇相融合，充分貫徹拓撲性質知覺理論，採用同步振盪特徵捆綁理論，引入光流場方法，分別建立方位檢測、心理學注意力選擇、神經生物學注意力選擇仿生模型，並套用於目標跟蹤等方面。
目錄
目錄
《信息科學技術學術著作叢書》序
前言
第1章 緒論 1
1.1 人工神經網路的緣起 1
1.2 平均點火率神經網路 2
1.2.1 平均點火率神經網路的發展歷程 2
1.2.2 平均點火率神經網路的局限性 3
1.3 脈衝神經網路 4
1.3.1 脈衝神經網路的發展回顧 4
1.3.2 脈衝神經網路信息編碼 6
1.4 本書的內容及組織安排 7
1.4.1 本書內容 7
1.4.2 本書組織安排 9
1.5 本章小結 10
參考文獻 10
第2章 脈衝耦合神經網路基本理論 18
2.1 脈衝耦合神經元及其簡化模型 18
2.1.1 脈衝耦合神經元模型及分析 18
2.1.2 單位連線脈衝耦合神經元模型及分析 23
2.1.3 脈衝耦合神經元與平均點火率神經元的區別 27
2.2 脈衝耦合神經網路 27
2.2.1 脈衝耦合神經網路的連線方式 27
2.2.2 脈衝耦合神經網路動態行為分析 29
2.3 脈衝耦合神經網路的特性與套用 33
2.3.1 脈衝耦合神經網路的特性 33
2.3.2 脈衝耦合神經網路的套用 34
2.3.3 脈衝耦合神經網路的硬體實現 36
2.4 脈衝耦合神經網路的發展前景 37
2.5 本章小結 39
參考文獻 40
第3章 基於PCNN的圖像處理與模糊數學及粗集理論 50
3.1 基於Unit-linking PCNN的圖像分割 50
3.1.1 基於Unit-linking PCNN及圖像熵的圖像分割方法 51
3.1.2 基於直方圖及邊緣乘積互信息的Unit-linking PCNN圖像分割 57
3.2 基於Unit-linking PCNN的圖像陰影去除 65
3.2.1 基於Unit-linking PCNN的圖像陰影去除方法及分析 65
3.2.2 Unit-linking PCNN陰影去除方法在道路檢測中的套用 74
3.3 基於PCNN的圖像去噪及與模糊數學的結合 77
3.3.1 基於PCNN的圖像去噪 77
3.3.2 基於PCNN及模糊算法的四值圖像去噪 81
3.4 基於PCNN與粗集理論的圖像增強 84
3.4.1 粗集理論簡介 84
3.4.2 基於PCNN與粗集理論的圖像增強方法及仿真 85
3.4.3 仿真及分析 87
3.5 本章小結 88
參考文獻 89
第4章 PCNN圖像處理通用設計方法與數學形態學 94
4.1 Unit-linking PCNN與數學形態學的關係 94
4.1.1 圖像處理中的數學形態學 94
4.1.2 網路中脈衝傳播和數學形態學的等價關係 96
4.2 Unit-linking PCNN圖像處理通用設計方法及套用 97
4.2.1 Unit-linking PCNN圖像處理通用設計方法 97
4.2.2 Unit-linking PCNN顆粒分析及形態學分析 97
4.2.3 基於Unit-linking PCNN的圖像斑點去除方法及形態學分析 102
4.2.4 基於Unit-linking PCNN的邊緣檢測方法及形態學分析 104
4.2.5 基於Unit-linking PCNN的空洞濾波方法及形態學分析 107
4.2.6 基於Unit-linking PCNN的細化方法及形態學分析 110
4.3 本章小結 117
參考文獻 117
第5章 Unit-linking PCNN特徵提取及套用 120
5.1 Unit-linking PCNN全局圖像時間簽名 120
5.2 Unit-linking PCNN局部圖像時間簽名 127
5.3 基於Unit-linking PCNN全局圖像時間簽名的目標識別 130
5.4 基於Unit-linking PCNN圖像時間簽名的機器人自主導航 135
5.4.1 發育機器人自主導航流程 135
5.4.2 增量分層回歸法 136
5.4.3 增量主元分析方法 140
5.4.4 非平穩視頻流導航中Unit-linking PCNN全局圖像時間簽名的性能 142
5.4.5 Unit-linking PCNN時間簽名套用於平穩視頻流的機器人導航 142
5.5 基於粒子濾波及Unit-linking PCNN圖像時間簽名的目標跟蹤 144
5.5.1 粒子濾波簡介 145
5.5.2 粒子濾波目標跟蹤 145
5.5.3 Unit-linking PCNN圖像時間簽名套用於粒子濾波目標跟蹤 146
5.6 基於Unit-linking PCNN局部圖像時間簽名的圖像認證 151
5.6.1 基於內容及數字簽名的圖像認證 151
5.6.2 基於Unit-linking PCNN局部圖像時間簽名的圖像認證 151
5.7 基於Unit-linking PCNN特徵提取的圖像檢索 154
5.7.1 用於圖像檢索的Unit-linking PCNN特徵 155
5.7.2 相似度 160
5.7.3 仿真及分析 163
5.8 本章小結 172
參考文獻 173
第6章 PCNN車牌和靜脈識別及多值模型數據分類 179
6.1 基於Unit-linking PCNN的車牌識別 179
6.1.1 車牌識別概述 180
6.1.2 Unit-linking PCNN套用於車牌定位 182
6.1.3 Unit-linking PCNN套用於車牌字元分割 187
6.1.4 基於Unit-linking PCNN的車牌字元識別 190
6.2 Unit-linking PCNN套用於手靜脈識別 193
6.2.1 手靜脈識別概述 193
6.2.2 Unit-linking PCNN細化方法套用於手靜脈識別 194
6.2.3 實驗結果及討論 196
6.3 多值脈衝耦合神經網路及套用 198
6.3.1 多值脈衝耦合神經網路 198
6.3.2 基於多值模型脈衝波的數據分類 200
6.4 本章小結 205
參考文獻 206
第7章 基於Unit-linking PCNN的靜態及動態路徑尋優 212
7.1 基於時延Unit-linking PCNN的靜態最短路徑求解 212
7.1.1 時延Unit-linking PCNN 213
7.1.2 基於時延Unit-linking PCNN的最短路徑求解 214
7.1.3 仿真及分析 217
7.2 基於頻寬剩餘率及Unit-linking PCNN的靜態路徑尋優 218
7.2.1 基於頻寬剩餘率及Unit-linking PCNN的最優路徑求解 219
7.2.2 仿真及分析 222
7.3 基於Unit-linking PCNN的動態網路最優路徑求解 224
7.3.1 概述 224
7.3.2 基於Unit-linking PCNN的最優路徑動態求解方法 226
7.3.3 仿真及分析 228
7.4 本章小結 235
參考文獻 236
第8章 PCNN與注意力選擇和拓撲性質知覺理論的結合及套用 238
8.1 PCNN與心理學注意力選擇的結合 238
8.1.1 心理學注意力選擇計算模型 239
8.1.2 PQFT與Unit-linking PCNN相結合的沙漠車輛識別 241
8.1.3 PQFT與Unit-linking PCNN相結合的海上目標識別 249
8.1.4 基於PCNN和PQFT的足球檢測與跟蹤 251
8.2 基於PCNN與拓撲性質知覺理論的注意力選擇 257
8.2.1 拓撲性質知覺理論 258
8.2.2 基於PCNN和拓撲知覺的注意力選擇 259
8.2.3 基於PCNN、光流場及拓撲知覺的運動目標註意力選擇 275
8.3 本章小結 281
參考文獻 281
第9章 Unit-linking PCNN方位檢測及同步振盪注意力選擇 288
9.1 模型概述 288
9.1.1 結構 288
9.1.2 所建模型與生物視覺系統的關係 289
9.2 基於Unit-linking PCNN的仿生方位檢測 290
9.2.1 Unit-linking PCNN邊緣檢測 290
9.2.2 用Unit-linking PCNN模仿生物視覺皮層的方位檢測 292
9.2.3 仿真及分析 296
9.3 具有Top-down機制的Unit-linking PCNN注意力選擇 298
9.3.1 Unit-linking PCNN注意力選擇概述 298
9.3.2 目標輪廓鏈碼 299
9.3.3 Unit-linking PCNN注意力選擇層 300
9.3.4 仿真及分析 310
9.4 本章小結 311
參考文獻 312
