時(shí)空編碼脈沖耦合神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用
定 價(jià)：128 元
叢書名：信息科學(xué)技術(shù)學(xué)術(shù)著作叢書
- 作者：顧曉東著
- 出版時(shí)間：2017/10/1
- ISBN：9787030548054
- 出 版 社：科學(xué)出版社
- 中圖法分類：TN958.3
- 頁(yè)碼：
- 紙張：膠版紙
- 版次：1
- 開(kāi)本：16K
本書全面而系統(tǒng)地介紹了具有生物學(xué)背景的時(shí)空編碼脈沖耦合神經(jīng)網(wǎng)絡(luò)的理論及應(yīng)用。本書共9章，第1、2章介紹時(shí)空編碼人工神經(jīng)網(wǎng)絡(luò)和空間編碼人工神經(jīng)網(wǎng)絡(luò)的異同，時(shí)空編碼脈沖耦合神經(jīng)網(wǎng)絡(luò)的基本理論、應(yīng)用及研究現(xiàn)狀，脈沖耦合神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)行為，以及更便于用硬件實(shí)現(xiàn)的單位連接模型；第3～7章介紹脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像處理、特征提取、模式識(shí)別和優(yōu)化等方面的理論及應(yīng)用研究，融合數(shù)學(xué)形態(tài)學(xué)、模糊數(shù)學(xué)、粗集和粒子濾波等理論，并由數(shù)學(xué)形態(tài)學(xué)得到脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像處理通用設(shè)計(jì)方法，具體介紹了近二十種相關(guān)應(yīng)用；第8、9章介紹基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的仿生建模理論及應(yīng)用，將脈沖耦合神經(jīng)網(wǎng)絡(luò)和注意力選擇相融合，充分貫徹拓?fù)湫再|(zhì)知覺(jué)理論，采用同步振蕩特征捆綁理論，引入光流場(chǎng)方法，分別建立方位檢測(cè)、心理學(xué)注意力選擇、神經(jīng)生物學(xué)注意力選擇仿生模型，并應(yīng)用于目標(biāo)跟蹤等方面。
更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。
目錄
《信息科學(xué)技術(shù)學(xué)術(shù)著作叢書》序
前言
第1章 緒論 1
1.1 人工神經(jīng)網(wǎng)絡(luò)的緣起 1
1.2 平均點(diǎn)火率神經(jīng)網(wǎng)絡(luò) 2
1.2.1 平均點(diǎn)火率神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程 2
1.2.2 平均點(diǎn)火率神經(jīng)網(wǎng)絡(luò)的局限性 3
1.3 脈沖神經(jīng)網(wǎng)絡(luò) 4
1.3.1 脈沖神經(jīng)網(wǎng)絡(luò)的發(fā)展回顧 4
1.3.2 脈沖神經(jīng)網(wǎng)絡(luò)信息編碼 6
1.4 本書的內(nèi)容及組織安排 7
1.4.1 本書內(nèi)容 7
1.4.2 本書組織安排 9
1.5 本章小結(jié) 10
參考文獻(xiàn) 10
第2章 脈沖耦合神經(jīng)網(wǎng)絡(luò)基本理論 18
2.1 脈沖耦合神經(jīng)元及其簡(jiǎn)化模型 18
2.1.1 脈沖耦合神經(jīng)元模型及分析 18
2.1.2 單位連接脈沖耦合神經(jīng)元模型及分析 23
2.1.3 脈沖耦合神經(jīng)元與平均點(diǎn)火率神經(jīng)元的區(qū)別 27
2.2 脈沖耦合神經(jīng)網(wǎng)絡(luò) 27
2.2.1 脈沖耦合神經(jīng)網(wǎng)絡(luò)的連接方式 27
2.2.2 脈沖耦合神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)行為分析 29
2.3 脈沖耦合神經(jīng)網(wǎng)絡(luò)的特性與應(yīng)用 33
2.3.1 脈沖耦合神經(jīng)網(wǎng)絡(luò)的特性 33
2.3.2 脈沖耦合神經(jīng)網(wǎng)絡(luò)的應(yīng)用 34
2.3.3 脈沖耦合神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn) 36
2.4 脈沖耦合神經(jīng)網(wǎng)絡(luò)的發(fā)展前景 37
2.5 本章小結(jié) 39
參考文獻(xiàn) 40
第3章 基于PCNN的圖像處理與模糊數(shù)學(xué)及粗集理論 50
3.1 基于Unit-linking PCNN的圖像分割 50
3.1.1 基于Unit-linking PCNN及圖像熵的圖像分割方法 51
3.1.2 基于直方圖及邊緣乘積互信息的Unit-linking PCNN圖像分割 57
3.2 基于Unit-linking PCNN的圖像陰影去除 65
3.2.1 基于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(cè)中的應(yīng)用 74
3.3 基于PCNN的圖像去噪及與模糊數(shù)學(xué)的結(jié)合 77
3.3.1 基于PCNN的圖像去噪 77
3.3.2 基于PCNN及模糊算法的四值圖像去噪 81
3.4 基于PCNN與粗集理論的圖像增強(qiáng) 84
3.4.1 粗集理論簡(jiǎn)介 84
3.4.2 基于PCNN與粗集理論的圖像增強(qiáng)方法及仿真 85
3.4.3 仿真及分析 87
3.5 本章小結(jié) 88
參考文獻(xiàn) 89
第4章 PCNN圖像處理通用設(shè)計(jì)方法與數(shù)學(xué)形態(tài)學(xué) 94
4.1 Unit-linking PCNN與數(shù)學(xué)形態(tài)學(xué)的關(guān)系 94
4.1.1 圖像處理中的數(shù)學(xué)形態(tài)學(xué) 94
4.1.2 網(wǎng)絡(luò)中脈沖傳播和數(shù)學(xué)形態(tài)學(xué)的等價(jià)關(guān)系 96
4.2 Unit-linking PCNN圖像處理通用設(shè)計(jì)方法及應(yīng)用 97
4.2.1 Unit-linking PCNN圖像處理通用設(shè)計(jì)方法 97
4.2.2 Unit-linking PCNN顆粒分析及形態(tài)學(xué)分析 97
4.2.3 基于Unit-linking PCNN的圖像斑點(diǎn)去除方法及形態(tài)學(xué)分析 102
4.2.4 基于Unit-linking PCNN的邊緣檢測(cè)方法及形態(tài)學(xué)分析 104
4.2.5 基于Unit-linking PCNN的空洞濾波方法及形態(tài)學(xué)分析 107
4.2.6 基于Unit-linking PCNN的細(xì)化方法及形態(tài)學(xué)分析 110
4.3 本章小結(jié) 117
參考文獻(xiàn) 117
第5章 Unit-linking PCNN特征提取及應(yīng)用 120
5.1 Unit-linking PCNN全局圖像時(shí)間簽名 120
5.2 Unit-linking PCNN局部圖像時(shí)間簽名 127
5.3 基于Unit-linking PCNN全局圖像時(shí)間簽名的目標(biāo)識(shí)別 130
5.4 基于Unit-linking PCNN圖像時(shí)間簽名的機(jī)器人自主導(dǎo)航 135
5.4.1 發(fā)育機(jī)器人自主導(dǎo)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(wěn)視頻流導(dǎo)航中Unit-linking PCNN全局圖像時(shí)間簽名的性能 142
5.4.5 Unit-linking PCNN時(shí)間簽名應(yīng)用于平穩(wěn)視頻流的機(jī)器人導(dǎo)航 142
5.5 基于粒子濾波及Unit-linking PCNN圖像時(shí)間簽名的目標(biāo)跟蹤 144
5.5.1 粒子濾波簡(jiǎn)介 145
5.5.2 粒子濾波目標(biāo)跟蹤 145
5.5.3 Unit-linking PCNN圖像時(shí)間簽名應(yīng)用于粒子濾波目標(biāo)跟蹤 146
5.6 基于Unit-linking PCNN局部圖像時(shí)間簽名的圖像認(rèn)證 151
5.6.1 基于內(nèi)容及數(shù)字簽名的圖像認(rèn)證 151
5.6.2 基于Unit-linking PCNN局部圖像時(shí)間簽名的圖像認(rèn)證 151
5.7 基于Unit-linking PCNN特征提取的圖像檢索 154
5.7.1 用于圖像檢索的Unit-linking PCNN特征 155
5.7.2 相似度 160
5.7.3 仿真及分析 163
5.8 本章小結(jié) 172
參考文獻(xiàn) 173
第6章 PCNN車牌和靜脈識(shí)別及多值模型數(shù)據(jù)分類 179
6.1 基于Unit-linking PCNN的車牌識(shí)別 179
6.1.1 車牌識(shí)別概述 180
6.1.2 Unit-linking PCNN應(yīng)用于車牌定位 182
6.1.3 Unit-linking PCNN應(yīng)用于車牌字符分割 187
6.1.4 基于Unit-linking PCNN的車牌字符識(shí)別 190
6.2 Unit-linking PCNN應(yīng)用于手靜脈識(shí)別 193
6.2.1 手靜脈識(shí)別概述 193
6.2.2 Unit-linking PCNN細(xì)化方法應(yīng)用于手靜脈識(shí)別 194
6.2.3 實(shí)驗(yàn)結(jié)果及討論 196
6.3 多值脈沖耦合神經(jīng)網(wǎng)絡(luò)及應(yīng)用 198
6.3.1 多值脈沖耦合神經(jīng)網(wǎng)絡(luò) 198
6.3.2 基于多值模型脈沖波的數(shù)據(jù)分類 200
6.4 本章小結(jié) 205
參考文獻(xiàn) 206
第7章 基于Unit-linking PCNN的靜態(tài)及動(dòng)態(tài)路徑尋優(yōu) 212
7.1 基于時(shí)延Unit-linking PCNN的靜態(tài)最短路徑求解 212
7.1.1 時(shí)延Unit-linking PCNN 213
7.1.2 基于時(shí)延Unit-linking PCNN的最短路徑求解 214
7.1.3 仿真及分析 217
7.2 基于帶寬剩余率及Unit-linking PCNN的靜態(tài)路徑尋優(yōu) 218
7.2.1 基于帶寬剩余率及Unit-linking PCNN的最優(yōu)路徑求解 219
7.2.2 仿真及分析 222
7.3 基于Unit-linking PCNN的動(dòng)態(tài)網(wǎng)絡(luò)最優(yōu)路徑求解 224
7.3.1 概述 224
7.3.2 基于Unit-linking PCNN的最優(yōu)路徑動(dòng)態(tài)求解方法 226
7.3.3 仿真及分析 228
7.4 本章小結(jié) 235
參考文獻(xiàn) 236
第8章 PCNN與注意力選擇和拓?fù)湫再|(zhì)知覺(jué)理論的結(jié)合及應(yīng)用 238
8.1 PCNN與心理學(xué)注意力選擇的結(jié)合 238
8.1.1 心理學(xué)注意力選擇計(jì)算模型 239
8.1.2 PQFT與Unit-linking PCNN相結(jié)合的沙漠車輛識(shí)別 241
8.1.3 PQFT與Unit-linking PCNN相結(jié)合的海上目標(biāo)識(shí)別 249
8.1.4 基于PCNN和PQFT的足球檢測(cè)與跟蹤 251
8.2 基于PCNN與拓?fù)湫再|(zhì)知覺(jué)理論的注意力選擇 257
8.2.1 拓?fù)湫再|(zhì)知覺(jué)理論 258
8.2.2 基于PCNN和拓?fù)渲X(jué)的注意力選擇 259
8.2.3 基于PCNN、光流場(chǎng)及拓?fù)渲X(jué)的運(yùn)動(dòng)目標(biāo)注意力選擇 275
8.3 本章小結(jié) 281
參考文獻(xiàn) 281
第9章 Unit-linking PCNN方位檢測(cè)及同步振蕩注意力選擇 288
9.1 模型概述 288
9.1.1 結(jié)構(gòu) 288
9.1.2 所建模型與生物視覺(jué)系統(tǒng)的關(guān)系 289
9.2 基于Unit-linking PCNN的仿生方位檢測(cè) 290
9.2.1 Unit-linking PCNN邊緣檢測(cè) 290
9.2.2 用Unit-linking PCNN模仿生物視覺(jué)皮層的方位檢測(cè) 292
9.2.3 仿真及分析 296
9.3 具有Top-down機(jī)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(biāo)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(jié) 311
參考文獻(xiàn) 312
書單推薦
