神经计算机网络 第十一讲 脉冲耦合神经计算机网络.pdf

神经网络 Neural Networks 第十一章 脉冲耦合神经网络 史忠植 中国科学院计算技术研究所 / 内容提要 • 11.1 概述 • 11.2 视觉皮层理论 • 11.3 脉冲耦合神经网络模型 • 11.4 交叉皮层模型 • 11.5 贝叶斯连接域神经网络模型 • 11.6 贝叶斯连接域神经网络模型在特征捆 绑中的应用 2014/4/13 史忠植 神经网路 2 脉冲耦合神经网络 随着生物神经学的研究和发展，Eckhorn等通过 对小型哺乳动物大脑视觉皮层神经系统工作机理 的仔细研究，提出了一种崭新的网络模型脉 冲耦合神经网络模型Pulse-Coupled Neural Network, PCNN )。PCNN来源于对哺乳动物猫的 视觉皮层神经细胞的研究成果，具有同步脉冲激 发现象、阈值衰减及参数可控性等特性。由于其 具有生物学特性的背景、以空间邻近和亮度相似 集群的特点，因此在数字图像处理等领域具有广 阔的应用前景。将PCNN的最新理论研究成果与其 他新技术相结合，开发出具有实际应用价值的新 算法是当今神经网络研究的主要方向之一。 2014/4/13 史忠植 神经网路 3 脉冲耦合神经网络 1952年，Hodgkin与Huxley开始研究神经元电化学特性[216] 。1987年，Charles M. Gray等发现猫的初生视觉皮层有神 经激发相关振荡现象[172；173]。1989年,Reinhard Eckhorn 和Charles M. Gray研究了猫的视觉皮层，提出了 具有脉冲同步发放特性的网络模型[106；173]。1990年， Reinhard Eckhorn根据猫的大脑皮层同步脉冲发放现象，提 出了展示脉冲发放现象的连接模型[107]。对猴的大脑皮层进 行的试验中，也得到了相类似的试验结果。1994年， Johnson发表论文，阐述了PCNN的周期波动现象及在图像处 理中具有旋转、可伸缩、扭曲、强度不变性[244]。通过对 Eckhorn提出的模型进行改进，就形成脉冲耦合神经网络（ PCNN）模型。于1999年IEEE神经网络会刊出版了脉冲耦合 神经网络专辑. 国内也于20世纪90年代末开始研究脉冲耦合神 经网络。 2014/4/13 史忠植 神经网路 4 脉冲耦合神经网络 为了更进一步提高性能，必须降低计算 复杂度，即要减少神经元连接数。 Ekblad, U.和J.M. Kinser于2004年提出 了交叉皮层模型（Intersecting Cortical Model, ICM）提高图像处理的速度。 2014/4/13 史忠植 神经网路 5 脉冲耦合神经网络 视觉皮层各个区域分别用V1 、V2 、V3 、V4 、V5表示。 V1表示条纹状视觉皮层区 域，它对图像很少进行预处