课程文献中心 更多>>

关键词： 全局指数稳定   Hopfield神经网络   脉冲   李雅普诺夫函数   时间尺度  

摘要： 通过使用李雅普诺夫函数和一些分析技巧,在时间尺度上,获得了一些使得带有离散和分布时滞的脉冲Hopfield神经网络的周期解是全局指数稳定的充分条件,并将以前的一些结论在脉冲和时间尺度方面做了扩展,最后,给出一个实例去验证所得到的结论.

关键词： 压缩感知(CS)   脉冲耦合神经网络(PCNN)   去噪   图像融合  

摘要： 针对脉冲耦合神经网络(PCNN)图像融合模型对含噪声图像敏感和融合时间效率不高的问题,通过引入压缩感知(CS)技术对传统模型进行改造,提出了一种融入CS技术的新型快速脉冲耦合图像融合方法,不仅能够弥补传统脉冲耦合模型抗噪声能力不强的缺陷,还可以实现含噪声图像去噪和图像融合同步进行,有效克服了传统去噪融合方法中人为将去噪过程和融合过程分开而造成的信息不一致等问题,在一定程度上提高了融合效果和时间效率。在多聚焦图像和小目标图像上进行了相关实验研究,并在视觉效果和性能评价、含噪声多少与方法性能、稳定性等方面进行了详细分析。实验结果表明,新方法无论从融合效果还是评价指标上均较一些相关方法显示出一定的优越性。

关键词： 指数同步   模糊细胞神经网络   leakage项时滞  

摘要： 通过构造恰当的Lyapunov泛函并利用一些不等式分析技巧,得到了基于p-范数的耦合神经网络系统全局指数同步条件.所研究模型同时包含leakage项时滞、时变时滞和有界分布时滞,所得结果包含了之前一些文献的结论,适用范围更广泛.

关键词： 铝合金脉冲MIG焊   动态模糊神经网络   解耦控制   系统仿真  

摘要： 针对铝合金脉冲MIG焊接过程参数间强耦合、不稳定等关键问题,在介绍DFNN结构、学习算法基础上,设计了基于D-FNN的解耦控制器,并对同步、非同步与加干扰脉冲输入信号下分别对以脉冲电流占空比、送丝速度为输入量,以焊丝伸出长度(干伸长)、焊缝正面熔宽为被控量的铝合金脉冲MIG焊多输入多输出(multiple-input multiple-output,MIMO)过程进行了动态解耦控制仿真研究,仿真结果表明,D-FNN控制器能够实时进化规则,动态调整学习因子,实现了MIMO过程的完全解耦,满足焊接实时控制要求且具有快的响应速度、较好的鲁棒性,为铝合金脉冲MIG焊MIMO过程稳定焊接提供了一种新型的实时解耦控制方法.

关键词： 玉米黑瘤粉病   遗传算法   脉冲耦合神经网络   图像分割  

摘要： 作物病害图像分割是利用数字图像处理技术进行病害识别的关键性技术环节之一,现有病害分割方法存在病害区域外部形态特征细节保留程度差和颜色纹理信息丢失等问题。针对上述问题,提出一种基于改进遗传算法的脉冲耦合神经网络分割方法。首先改进遗传算法,以信息熵的加权线性组合作为优化适应度函数用以在每次迭代过程中评价脉冲耦合神经网络对于病害区域的分割效果,通过计算种群适应度方差和适应度均值自适应调整遗传算法的交叉概率和变异概率;然后将改进遗传算法与脉冲耦合神经网络相结合,实现网络连接系数、衰减系数和幅值系数的自动优化调节;最后利用改进遗传脉冲耦合神经网络分割算法,在RGB子空间分别对病害图像进行病害区域分割,将分割结果利用RGB颜色空间子图合并策略实施合并,从而得到最终的图像分割结果。将此算法、最小交叉熵阈值化算法和GA-PCNN算法用于玉米黑瘤粉病彩色图像病害区域分割。结果表明:从主观视觉评测角度,此算法分割效果较好,能够较为细致的呈现病害区域的外部形态特征和较为完好的保留病害区域的颜色纹理特征;从客观量化评测角度,此分割算法在目标区域分割匹配率、错分率和正确率上明显优于最小交叉熵阈值化算法和GA-PCNN算法。

关键词： 图像融合   K-SVD   脉冲耦合神经网络(PCNN)   计算机断层扫描(CT)   核磁共振(MRI)  

摘要： 为满足医学图像辅助诊断的需要,提出一种基于稀疏表示和脉冲耦合神经网络(PCNN)的CT和MR影像融合算法。首先,原始图像通过滑动窗方法构成联合矩阵,通过K-SVD算法得到该联合矩阵的冗余字典,采用正交匹配追踪算法得到该联合矩阵的稀疏系数;然后,根据稀疏系数的特点,采用脉冲耦合神经网络来融合稀疏系数;最后,由融合后的稀疏系数和冗余字典得到融合矩阵,反变换得到融合图像。实验图像为10组配准的脑部CT和MR图像,采用5种性能指标来评价融合图像的质量,同2种流行的医学影像融合算法进行比较,结果显示算法除QAB/F指数外,其他4项指标均为最优,Piella指数、QAB/F指数和BSSIM指数的均值分别为0.760 4、0.877 1和0.537 3,融合图像的纹理和边缘清晰,对比度高。主观和客观分析显示,算法的融合性能比较优越。

关键词： 神经网络   混合时滞   脉冲随机   p阶矩指数稳定   Lyapunov泛函  

摘要： 考虑一类时滞脉冲随机Cohen-Grossberg神经网络p阶矩指数稳定。通过构造适当的Lyapunov泛函,利用Halanay和Hardy不等式,建立了一类时滞脉冲随机Cohen-Grossberg神经网络p阶矩指数稳定的判据。该判据改进和推广了先前文献的一些结果。

关键词： 全局指数稳定性   反应扩散   脉冲   时滞   积分不等式  

摘要： 讨论了一类具变时滞、反应扩散项和Neumann边界条件的脉冲细胞神经网络的稳定性.利用Gronwall-Bellman-type脉冲积分不等式和Poincare不等式,获得了一些新的与时滞和扩散因素有关的全局指数稳定性判据,并给出了指数收敛速度估计.最后两个例子证明了结论的有效性.

关键词： 脉冲耦合神经网络   立体匹配   立体视觉   统计推断   随机场  

摘要： 立体匹配是寻找立体图像对中对应点的问题,是立体视觉的核心问题。现有立体匹配算法通常是就立体匹配问题建立适当的数学模型并进行求解,在匹配速度和匹配精度之间存在矛盾。以生物视觉研究为背景,提出一种基于脉冲耦合神经网络(PCNN)的立体匹配方法。该方法以Markov随机场(MRF)上的贝叶斯模型为基础,并利用PCNN建立其似然概率模型。将左右2幅图像分别输入到2个PCNN网络,通过迭代生成点火时间序列。引入点火时间序列的平均点火时间差的概念,利用2个像素对应神经元的平均点火时间差来评价2个像素的相似性,并以此为基础确定似然概率。最后利用信任传递(BP)算法求解Markov随机场模型的最大后验概率问题。利用广泛使用的立体视觉测试图像对算法进行了实验。实验结果表明该算法能够有效实现立体匹配,匹配效果较好。

关键词： 乳腺X线图像   乳腺癌早期诊断   肿块检测   标记脉冲耦合神经网络   多同心层模型  

摘要： 乳腺X线图像中的肿块检测是乳腺癌早期诊断的重要手段。该文提出了一种新的肿块检测方法。将脉冲耦合神经网络(Pulse Coupled Neural Networks,PCNN)与标记符相结合设计了标记PCNN图像分层方法,继而利用多同心层(Multiple Concentric Layers,MCL)模型得到可疑区域。最后,借助肿块的形态学特征剔除假阳性区域得到最终的肿块。实验结果表明,该文方法在保证假阳性率(False Positive Rate,FPR)的同时,肿块真阳性率(True Positive Rate,TPR)达到92.08%。同时针对东方女性致密型乳腺案例中检测结果明显优于MCL方法和MCA方法。