脈沖耦合神經(jīng)網(wǎng)絡_第1頁
脈沖耦合神經(jīng)網(wǎng)絡_第2頁
脈沖耦合神經(jīng)網(wǎng)絡_第3頁
脈沖耦合神經(jīng)網(wǎng)絡_第4頁
脈沖耦合神經(jīng)網(wǎng)絡_第5頁
已閱讀5頁，還剩11頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、 報告人報告人： XXXXXX脈沖耦合神經(jīng)網(wǎng)絡在圖像處理上的應用研究 理論基礎1目錄 基本模型及其功能特性2 應用與實驗3 展望4貓、猴等哺乳動物的大腦視覺系統(tǒng)產(chǎn)生的同步脈沖現(xiàn)象視覺系統(tǒng)的Eckhorn數(shù)學模型Johnson等人對Eckhorn模型進行了改進與簡化，誕生了脈沖耦合神經(jīng)網(wǎng)絡，它在國際上被稱為第三代人工神經(jīng)網(wǎng)絡哺乳動物視覺通路示意圖 理論基礎 基本模型及其功能特性XXXX年2.1 Eckhorn 神經(jīng)元模型 基本模型及其功能特性2.2 脈沖耦合神經(jīng)網(wǎng)絡模型（PCNN模型） 基本模型及其功能特性2.3 工作原理 PCNN的運行行為是各神經(jīng)元相互獨立運行的組合，在外部刺激作用下，以一定

2、自然頻率發(fā)放脈沖，稱為自然點火。 外部刺激強，點火頻率越高。不同亮度不同時刻，相同亮度相同時刻。無耦合PCNN輸出脈沖示意圖 基本模型及其功能特性 PCNN各神經(jīng)元間存在耦合連接，一個神經(jīng)元的點火會引起相鄰神經(jīng)元提前點火。 具有空間鄰近、亮度強度相似性輸入的神經(jīng)元將在同一時刻點火。2.3 工作原理有耦合神經(jīng)元點火圖 基本模型及其功能特性2.4 基本特性 變閾值特性1 捕獲與非線性調制特性2 動態(tài)脈沖發(fā)放特性3 同步脈沖發(fā)放特性4 自動波特性5 時空綜合特性6 應用與實驗應用圖像分割邊緣檢測圖像融合圖像去噪特征提取 研究方法與內容3.1 圖像分割變形后的 PCNN 神經(jīng)元模型： 去掉動態(tài)門限產(chǎn)生機制，自適應遺傳算法搜索最優(yōu)門限閾值 研究方法與內容3.1 圖像分割原始灰度圖 Ostu算法結果 PCNN算法 改進的PCNN算法 研究方法與內容3.2 邊緣檢測 研究方法與內容3.3 圖像融合脈沖耦合神經(jīng)網(wǎng)絡圖像融合模型 研究方法與內容3.3 圖像融合 總結與展望4.2 展望 PCNN 參數(shù)與圖像固有特性結合起來選取PCNN 迭代輸出加

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論