课程文献中心 更多>>

摘要： Safety concerns in the operation of autonomous aerial systems require safe-landing protocols be followed during situations where the mission should be aborted due to mechanical or other failure. This article presents a pulse-coupled neural network (pcnn) to assist in the vegetation classification in a vision-based landing site detection system for an unmanned aircraft. We propose a heterogeneous computing architecture and an Opencl implementation of a pcnn feature generator. Its performance is compared across Opencl kernels designed for cpu, gpu, and FPGA platforms. This comparison examines the compute times required for network convergence under a variety of images to determine the plausibility for real-time feature detection.

关键词： 神经网络   时滞   时变脉冲   区间矩阵   全局指数稳定性  

摘要： 由于神经网络在图形识别、联想记忆、信号处理、图形优化等许多领域的广泛应用,使其动力学特征,尤其是稳定性成为研究热点.但是在放大器的有限切换速度的影响下,时滞不可避免,因此对时滞神经网络的研究显得极其重要.此外,许多系统在连续渐变过程中的极短时间内,可能发生突变,从而改变原有的运动轨迹,即出现脉冲现象.由于脉冲可以影响网络的瞬时行为,因此在神经网络中引入脉冲扰动将进一步扩大神经网络的适用范围.通常,动力系统中有不稳定和稳定两种类型的脉冲.不稳定的脉冲序列抑制动态系统的稳定性,而稳定的脉冲序列增强动态系统的稳定性.而神经网络由动力系统控制,因此研究带脉冲扰动的神经网络时,同时考虑这两种脉冲序列的影响是非常有必要的.本文将研究受时滞和变脉冲影响的神经网络的动力学行为. 第一章首先回顾了不同类型的神经网络的发展和研究现状,分析了变脉冲和时滞对神经网络的影响,介绍了近年来时变脉冲时滞神经网络的研究进展及具有区间连接权矩阵的神经网络的发展情况,然后给出了预备知识,包括一些定义、定理和不等式.其次介绍了稳定性理论,并给出了受时变脉冲时滞影响的神经网络模型.最后说明了本文的一些主要研究工作. 第二章研究了含时变脉冲Hopfield型神经网络的全局指数稳定性.通过构造恰当的Lyapunov泛函和应用比较方法,得到该模型在含时变脉冲条件下全局指数稳定的充分条件,并用数值实例说明所得结果的有效性. 在第三章,对一类区间矩阵,我们研究了含时变脉冲的时滞神经网络的全局指数稳定性.利用区间矩阵的上下界和比较方法,给出了具有参数变化且含时滞和时变脉冲的神经网络模型全局指数稳定的一个充分条件.所得结果推广了已有文献的结果,并用实例说明所得结果的实用性.

关键词： 电容层析成像   图像重建   脉冲耦合神经网络   图像融合   边缘检测  

摘要： 电容层析成像技术ECT（Electrical Capacitance Tomography）是近年来获得了快速发展的一种多相流在线检测成像技术，它具有成本低、适用范围广、采集速度快、非侵入式、操作方便和无放射性等良好的特点。因此，该技术被广泛应用在工业管道内等多相流检测领域，得到了令人满意的成像效果。电容层析成像技术的本质原理是：通过采集包围在多相流管道周围传感器反馈的存在于不同电极对间的电容值，利用一定的数学图像重建算法对被测管道内横截面上真实的各相介质的空间分布图进行重构的过程。本文主要针对12电极的ECT系统进行图像算法重建、图像滤波和图像融合等关键技术问题展开研究，主要研究内容如下：　　首先，对 ECT系统的组成及工作原理进行了详细的分析，给出通过建立被测物场的数学模型，应用有限元方法对 ECT正问题进行求解的算法过程，然后论述了 ECT反问题的定义，通过分析电容值、灵敏度分布和灰度值之间的关系，最终得出 ECT反问题的求解原理，即图像重建的理论基础。　　针对电容层析成像系统中的“软场”效应和病态特性，在分析电容层析成像和自适应脉冲耦合神经网络的基本原理的基础上，提出了一种自适应脉冲耦合神经网络（PCNN）的图像重建算法，推导出了求解 ECT反问题的PCNN算法及自动设置脉冲耦合神经网络参数的算法步骤。通过仿真和实验与典型的线性反投影算法（LBP）、Landweber和共轭梯度法算法（CG）的成像效果相比较，最终得出该算法具有成像效果好，稳定性高，成像速度快和易于实现等特点，因此为 ECT图像重建算法的研究提供了一个新的方法。　　针对电容层析成像图像数据在获取和传输过程中会受到外界的干扰和破坏，从而使图像受到噪声污染，影响图像的特征提取和图像识别等后续处理的问题，提出了一种基于脉冲耦合神经网络赋时矩阵的图像除噪算法，该算法通过 PCNN的循环点火过程将图像的空间信息映射到二维的点火赋时矩阵，根据噪声强度自动选择滤波窗口大小和滤波次数，利用PCNN赋时矩阵可以有效地滤除图像的脉冲噪声。该算法可以有效地滤除被脉冲噪声污染的图像噪声，图像的除噪效果明显地好于中值滤波、均值滤波及维纳法得到的结果，具有信噪比高、对边缘和细节的保护性好等特点。　　为了提高电容层析成像系统中重建图像的精确度和图像质量，提出了一种基于小波变换的区域特征加权的 ECT成像图像融合算法。该算法首先对应用线性反投影、Landweber和共轭梯度算法重建的图像进行小波分解，分解时选取“sym4”小波函数，分解层数确定为三层，然后对分解后图像的高频系数和低频系数分别采用PCNN点火次数匹配度矩阵和基于区域特征加权的不同融合规则对图像进行融合，最终形成结果图像。仿真实验结果表明，该算法充分结合了各种不同重建算法使得到的图像具有互补特性，使融合后的图像成像精确度得到了显著的提高，减少了误差，融合后的结果图像更接近原始图像，是一种提高ECT重建图像质量的有效方法。　　针对提高 ECT系统重建图像的流型识别和特征提取等后续图像处理工作效率的问题，提出了 ECT重建图像的边缘检测的两种不同算法，即基于二维小波变换的边缘检测算法和基于 PCNN的边缘检测算法。前者可以根据尺度系数的不同而分别实现对噪声的抑制和图像细节的提取;后者在区分边缘点和非边缘点的基础上，结合对比度增强技术，对图像边缘信息进行提取。这两种方法都可以获得清晰的图像边缘信息，特别是基于 PCNN的边缘检测算法还去掉了伪边界痕迹，获得了令人满意的检测效果，也充分证明了这两种方法的可行性。

关键词： 印章图像   旋转不变   缺失不变   脉冲耦合神经网络   能量对数序列皮尔逊相关系数  

摘要： 印章识别特征提取作为印章识别系统中的重要组成部分，对于实际印章识别系统而言，研究印章特征提取的对象有着积极的意义。 本文以脉冲耦合神经网络(PCNN)模型为理论基础，研究了提取图像形状特征信息时PCNN参数的选取，确定了一种能够准确而快速识别不同形状印章的较为稳定的序列特征，并进一步证明该特征在印章盖印角度不同时具有同样的适用性，在此基础上，本文还对该特征在印章在不同缺失度下的适用性做出讨论。 实验中利用脉冲耦合神经网络，输入神经网络的图像为二值图像，输出得到图像的能量对数序列，将不同形状样本印章通过脉冲耦合神经网络后的能量对数序列作为特征并存为样本序列，用相同方法得到待识别的不同形状印章的能量对数序列后与样本序列进行匹配识别，同时将角度旋转印章图像作为待识别图像进行匹配统计。通过Pearson以及方差对实验所得数值进行统计研究。将不同形状印章图像通过脉冲耦合神经网络后得到的能量对数序列作为特征对印章形状进行识别效果较好，形状相同印章之间的与其他形状间的Pearson相关系数相比为数值中的最大值，方差值也相对较小，并且该特征不受印章盖印角度的影响，具有稳定性，在此基础上，实验进一步探究了该方法在印章缺失情况下的可行性与局限性。 本文所描述的特征提取方法优势在于利用脉冲耦合神经网络所提取的印章特征在印章盖印角度不同时同样适用，可较为广泛地运用在印章形状特征的分类之中，为后续工作提供保障。

关键词： 脉冲耦合神经网络   马尔科夫随机场   贝叶斯推断   背景建模   立体匹配   高速铁路线路状态检测  

摘要： 近些年来,我国高速铁路快速发展,列车运行速度不断加快。随着高速铁路列车运行速度的大幅提高,运营安全的保障显得更为重要。在影响列车运行安全的因素中,线路异物侵入限界,灾害或人为因素等导致的线路破坏等情况,由于其具有较强的随机性,目前还没有有效的监测和防范方法。基于视频监控的监测方法是目前对这些情况比较有效的方法,但是目前的铁路线路视频监控或基于视频图像的检测系统大都无法做到计算机自动识别。这主要是受目前计算机视觉技术的制约。虽然近年来计算机视觉技术有了较大的发展,但是距离其使计算机实现人类视觉功能的最终目标还有很大差距。目前,借鉴生物视觉系统的研究成果来解决计算机视觉问题已经成为一个研究方向。最近,在生物视觉系统和计算机视觉系统中马尔科夫随机场上的贝叶斯推断方法都受到了广泛重视,在计算机视觉领域贝叶斯推断方法可以精确求解许多实际视觉问题,但是其求解存在困难,现有方法需要消耗大量时间,无法应用于实时处理系统中。在生物视觉领域,贝叶斯推断理论可以很好地解释许多生物视觉的发现,说明大脑在处理视觉信息时采用了类似的机制。并且大脑可以快速地对视觉信息进行处理和推断,这说明基于神经网络的并行结构可以快速地实现贝叶斯推断。但是贝叶斯推断的神经网络实现机制尚不明确。基于这些问题本文以高速铁路线路状态视觉检测为背景,针对线路状态视觉检测中的两个核心问题：前景提取和立体匹配,分别提出了两种新的基于贝叶斯推断框架的算法。并建立了可以实现马尔科夫随机场上贝叶斯推断的脉冲耦合神经网络,为求解贝叶斯推断问题和揭示生物视觉系统实现贝叶斯推断提供一种手段。 本文首先提出了一种具有较高生物视觉相似性的求解贝叶斯推断的神经网络模型,可以实现一般马尔科随机场上的贝叶斯推断计算,称为神经视觉推断模型。该网络本质上是一个脉冲耦合神经网络,模型以Leaky Integrate-and-Fire (LIF)神经元为基本单元,采用脉冲作为表示和传递信息的方式,神经元之间通过脉冲进行耦合。神经视觉推断模型的贝叶斯推断的计算原理是基于“信任传递”算法。通过神经网络直接实现“信任传递”算法,本文研究了实现“信任传递”算法的神经网络结构,该网络包含信任神经元和消息神经元,分别实现信任和消息的计算。网络采用基于平均脉冲频率的群体编码表示信任和消息,神经元组之间采用固定概率的随机群体连接。仿真实验表明该模型可以有效地实现马尔科夫随机场上的贝叶斯推断。 其次,本文在建立神经视觉推断模型基础上针对高速铁路线路状态视觉检测中两个核心问题：前景提取和立体匹配,分别提出了基于马尔科夫随机场上贝叶斯推断框架的算法。在前景提取方面,本文指出了铁路线路异物检测的核心问题是前景提取及背景建模。进而提出了采用贝叶斯推断框架求解前景提取问题的方法。提出了一种新的基于马尔科夫随机场的背景建模的似然概率模型,和一种结合短期和长期背景更新机制的背景更新方法。本文利用广泛使用的测试数据集中的视频对算法进行了测试并与最新发表的算法结果进行了比较,本文提出的算法取得了较好的前景提取效果,并比目前最新算法的提取效果有所提高。在立体匹配算法方面,本文提出了一种基于马尔科夫随机场的匹配方法。该方法利用交叉皮层模型(ICM)建立似然概率模型,并利用视觉推断模型进行求解,模型充分利用了ICM的自动波传播等特性,取得了较好的匹配效果。本文采用常用的测试图像对算法进行了测试,结果表明本文算法可以较好地实现立体匹配,效果好于其它基于神经网络的立体匹配方法。 最后,本文构建了基于上述核心算法的高速铁路线路状态视觉检测系统。包括线路异物监测系统和护栏完整性检测系统。介绍了系统的组成、结构和检测方法等。给出了检测系统对现场图像的识别和处理结果,实验结果表明,本文提出的系统可以较为有效地实现高速铁路线路状态的视觉检测。

关键词： 脉冲耦合神经网络   人脸检索   人脸特征提取   汉明距离   肤色模型  

摘要： 人工神经网络（Artificial Neural Network，ANN）是模仿人类大脑的认知过程，综合了多门学科的交叉学科，它将大量的人工神经元以各种网状形式互联在一起，组成复杂的网络结构，不同网络的人工神经元有各自的功能和学习算法，从而出现了各种各样的人工神经网络模型，以解决实际工程或科学领域存在的一些难题。其发展从感知器（Perceptron）到新一代的人工神经网络――脉冲耦合神经网络（PulseCo-upled Neural Network, PCNN），经历了半个多世纪，脉冲耦合神经网络也在逐渐走向成熟，在之后20多年研究中，脉冲耦合神经网络在图像处理领域也逐渐得到广泛应用。 脉冲耦合神经网络与传统的人工神经网络相比有着很大的区别，它不需要学习或训练，具有自学习、非监督的能力，还具有相似群神经元同步发放脉冲的特性。PCNN在用于数字图像处理方面，具有一些特殊的优越性：该模型具有对图像二维空间相似、灰度相似像素进行分组的特点，并能减小图像局部灰度差值，弥补图像局部微小间断;对输出的二值图像保留了输入图像的纹理、形状、边缘信息等特征，并且输出的二值图像出现周期性;在一定程度上PCNN对输入图像具有旋转、平移、尺寸等不变特性，同时还具有一定的抗噪性。基于PCNN的这些特性和优越性使得PCNN十分适合对人脸图像的处理，以减少人脸图像表情、穿戴不同的影响等。 在人脸特征提取方面，本文在分析标准PCNN模型用于图像特征提取时的优越特性基础上，将标准PCNN模型用于人脸特征提取，并用实验数据分析相似人脸与不同人脸特征提取时存在的不足，发现标准的PCNN模型对人脸图像的相似性较差。为解决这些不足之处，对标准PCNN模型进行改进，即PCNN-X模型，并通过实验证明PCNN-X模型在人脸特征提取时可弥补传统PCNN模型的不足。 在人脸检索方面，为了检验PCNN-X模型适用对人脸库的检索。人脸检索时需要大量的人脸图像，本文探讨了彩色人物图像的人脸提取方法，对人物图像预处理后，建立人脸肤色模型提取人脸图像。由于时间问题，本文直接使用标准的ORL人脸数据库，人脸检索实验时，将PCNN-X提取的人脸特征熵序列使用随机超平面哈希算法（Random Hyperplane Hash，RHH）变换为二值序列，建立人脸图像二值序列库，最后通过汉明距离来度量人脸图像之间的相似性，最终实现人脸图像的检索。

关键词： 四元数注意力选择   脉冲耦合神经网络   沙漠车辆识别   尺度不变特征   多层分类回归树   最小二乘法   支撑向量机  

摘要： 遥感图像中典型目标的检测、识别是当前目标检测与识别的重要课题,其中车辆识别作为一类目标识别,在交通管理、车辆救援方面都具有重要意义。在沙漠车辆救援中,由于以下三个原因,传统车辆识别算法难以满足沙漠车辆识别需求：首先是航拍图像分辨率低,背景复杂,无法满足传统车辆识别算法对图像分辨率或背景的要求;其次是车辆目标小,分辨率低、特征信息少,无法提取传统车辆识别所需的模型信息、车窗信息等特征信息;最后是背景中干扰因素(植被、丘陵)多,目标区域难以分割。因而传统识别算法在沙漠车辆识别中识别率低、虚警率高,难以满足救援要求。针对以上问题,本文的研究涵盖了沙漠车辆识别的整个过程,包括图像预处理、候选区域分割、车辆区域识别等。本文结合沙漠图像空间域和频域信息构建沙漠车辆识别算法,相比其他优秀算法,本文算法取得更好识别效果。之后,本文对提出的模型进行了进一步改进。论文的主要工作与贡献包含以下几点：1.提出了一种基于注意力选择模型的沙漠车辆检测算法。本文将注意力选择机制引入沙漠车辆检测,利用显著图减少车辆搜索范围。根据沙漠特点,本文在四元数注意力选择模型中构建了抑制黄色信息的背景自适应通道,并利用双线性变换提升显著图计算效率。实验表明模型计算速度快,显著图车辆显著性高,利于实现沙漠车辆的快速检测。2.提出了一种高识别率、低虚警率的沙漠车辆识别算法。本文将单位连接脉冲耦合神经网络的单位神经元与显著图像素点对应,将像素灰度值作为神经元输入,利用脉冲传播特性实现图像去噪、分割和提取。之后,提取各候选区域的尺度不变特征向量并结合多层回归树进行分类,最终完成沙漠车辆识别。实验表明车辆识别率高,虚警率低,优于对比算法。3.提出了两种具有可监督学习能力的注意力选择模型。本文将先验知识引入原有四元数注意力选择模型,使得注意力选择模型具备可监督学习能力。之后本文利用最小二乘和支撑向量机法两种算法分别将人工干预后的显著图作为教师对模型进行训练。通过实验表明,改进后的模型车辆显著性明显,背景抗噪能力强,较之前模型性能有进一步提升。改进之后的模型还可扩展用于海洋目标识别等场景。

关键词： 大脑   定位系统   莫泽   位置细胞   诺贝尔奖   网格细胞   GPS  

摘要： 瑞典卡罗琳医学院6日在斯德哥尔摩宣布,将2014年诺贝尔生理学或医学奖授予拥有美国和英国国籍的科学家约翰·奥基夫,以及两位挪威科学家梅—布里特·莫泽和爱德华·莫泽,以表彰他们发现大脑定位系统细胞的研究。诺贝尔奖评选委员会在声明中说:"我们如何知道自己在哪里?我们如何从一个地方到另一个地方?我们如何在大脑中储存信息,以便下一次能够找到相同的路径?"今年获奖者的研究成就展示了较高认知功能的细胞基础。他们发现了大脑的定位系统,即"内部的GPS",从而使人类能够在空间中定位自我。

关键词： 型糖尿病   柳叶刀   社会经济地位   网格细胞   国际新闻   全面康复  

摘要： 柳叶刀:超负荷工作易患糖尿病据目前为止该领域最大的一项研究显示,每周工作超过55小时体力劳动或其他低社会经济地位的工作的人群患2型糖尿病的风险增加30%,该结果已发表在《柳叶刀——糖尿病与内分泌学》杂志上。英国伦敦大学流行病学教授Mika Kivimaki及其同事研究了长工作时间对2型糖尿病影响,对截至

摘要： This paper researches global asymptotic stability of impulsive cellular neural networks with proportional delays and partially Lipschitz activation functions. Firstly, by means of the transformation v(i)(t) = u(i)(e(t)), the impulsive cellular neural networks with proportional delays are transformed into impulsive cellular neural networks with the variable coefficients and constant delays. Secondly, we provide novel criteria for the uniqueness and exponential stability of the equilibrium point of the latter by relative nonlinear measure and prove that the exponential stability of equilibrium point of the latter implies the asymptotic stability of one of the former. We furthermore obtain a sufficient condition to the uniqueness and global asymptotic stability of the equilibrium point of the former. Our method does not require conventional assumptions on global Lipschitz continuity, boundedness, and monotonicity of activation functions. Our results are generalizations and improvements of some existing ones. Finally, an example and its simulations are provided to illustrate the correctness of our analysis.