CNN综述.ppt

CNN综述 2009年10月 陈飞龙 CNN的由来 1988年，加州伯克利大学的华裔教授蔡少棠和杨霖提出了细胞神经网络（Cellular Neural Network [1]）。 【1】LEON 0. CHUA,LIN YANG, Cellular Neural Networks: Theory 截止2009年10月25日，该文章已被引1769次，其中2009年引用62次。 什么是CNN？ 蔡少棠的CNN：一种新类型的信息处理系统，能实时处理信号的大规模非线性模拟电路。它由大量的规则排列的叫做“细胞”的电路元件构成，这些细胞仅通过它们最近的邻细胞相互直接通信，每个细胞由一个线性电容、非线性压控电流源和一些阻性线性电路元件构成。 LEON 0. CHUA:A novel class of information-processing systems called cellular neural networks is proposed. Like a neural network, it is a large-scale nonlinear analog circuit which processes signals in real time.[1] Like cellular automata, it is made of a massive aggregate of regularly spaced circuit clones, called cells, which communicate with each other directly only through its nearest neighbors. Each cell is made of a linear capacitor, a nonlinear voltage-controlled current source, and a few resistive linear circuit elements.[1] 什么是CNN？ 目前公认的CNN： 细胞神经网络是一个有大体相同动力学性质的细胞组成的二维或三维或N维阵列，以神经细胞的联系方式为背景，来实现一种局部连接的，且可设计的人工神经网络。 一个细胞神经网络应当满足如下条件: 1，每一个细胞只与（2R+1）^2个相邻的细胞连接，每个细胞都接受自己和邻域其他单元的反馈信号，反馈的多少由相应的反馈模板和控制模板确定。该条件确保了细胞神经网路的电路可实现性。 2，所有细胞的输入值都是连续的，输入输出关系都是连续的非线性单调函数。 什么是CNN？ 一个二阶的细胞神经网络示意图。电路大小是4*4。图形中连线表示的是连线两端的神经单元存在着相互的作用 CNN的理论发展 从CNN诞生以来，其理论发展主要分 两大方向： 一、变形细胞神经网络相关理论研究。包含： CNN多值稳定及灰度处理理论研究 CNN联想记忆研究 变形细胞神经网络及稳定性研究 二、CNN模板设计 下面对近10年的CNN文献进行综述 CNN的理论发展（一） ——变形细胞神经网络相关理论研究 研究背景： 根据CNN的状态方程和输入输出关系我们可以得出，CNN一般都是一个二值稳定输出，根据CNN的这个性质，我们可以稳定的判别0，1两种状态，由此，CNN 对于黑白图像处理有着非常好的效果。 但是随着图像处理要求的提高，简单的二值稳定输出已经不能够满足需求，因此，细胞神经网络的多值稳定问题受到了广泛的关注。 CNN的理论发展（一） ——变形细胞神经网络相关理论研究 1997年4月，K. Crounse, E. L. Fung,和 L. O. Chua在《Efficient implementation of neighborhood logic for cellular automata via the cellular neural network universal machine》 提出一种神经元，它使用门限逻辑和[-1,0,1]三种权重可以实现任何布尔函数。但是这个方法的输出是一个二值输出，不能处理灰度信号。 被引次数16次： 1. 标题: Universal Perceptron and DNA-Like Learning Algorithm for Binary Neural Networks: Non-LSBF Implementation 作者: Chen FY, Chen GR, He QB, et al.来源出版物: IEEE TRANSACTIONS ON NEURAL NETWORKS ??卷: 20 ??期: