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

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、 報告人報告人： XXXXXX脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像處理上的應(yīng)用研究 理論基礎(chǔ)1目錄 基本模型及其功能特性2 應(yīng)用與實(shí)驗(yàn)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(xué)模型Johnson等人對Eckhorn模型進(jìn)行了改進(jìn)與簡化，誕生了脈沖耦合神經(jīng)網(wǎng)絡(luò)，它在國際上被稱為第三代人工神經(jīng)網(wǎng)絡(luò)哺乳動物視覺通路示意圖 理論基礎(chǔ) 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(luò)模型（PCNN模型） 基本模型及其功能特性2.3 工作原理 PCNN的運(yùn)行行為是各神經(jīng)元相互獨(dú)立運(yùn)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(diǎn)火。 外部刺激強(qiáng)，點(diǎn)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(diǎn)火會引起相鄰神經(jīng)元提前點(diǎn)火。 具有空間鄰近、亮度強(qiáng)度相似性輸入的神經(jīng)元將在同一時刻點(diǎn)火。2.3 工作原理有耦合神經(jīng)元點(diǎn)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(diào)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(yīng)用與實(shí)驗(yàn)應(yīng)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(nèi)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(jī)制，自適應(yīng)遺傳算法搜索最優(yōu)門限閾值 研究方法與內(nèi)容3.1 圖像分割原始灰度圖 Ostu算法結(jié)果 PCNN算法 改進(jìn)的PCNN算法 研究方法與內(nèi)容3.2 邊緣檢測 研究方法與內(nèi)容3.3 圖像融合脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像融合模型 研究方法與內(nèi)容3.3 圖像融合 總結(jié)與展望4.2 展望 PCNN 參數(shù)與圖像固有特性結(jié)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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。

最新文檔

評論

0/150

提交評論