课程文献中心 更多>>

关键词： 全局指数稳定   Lyapunov函数   时间尺度  

摘要： 研究了在时间尺度上的脉冲控制的BAM神经网络系统的指数稳定性.在时间尺度理论基础上,通过设计线性脉冲控制器和Lyapunov函数,得到了保证BAM神经网络系统平衡解指数稳定的充分条件.

关键词： Leakage时滞   随机神经网络   脉冲扰动   反应扩散   马尔科夫跳  

摘要： 近年来，递归神经网络因其在模式识别、图像处理、智能控制、信号处理、优化计算等领域的广泛应用而成为研究热点。由于递归神经网络的各种应用依赖于网络的动力学行为，同时在神经网络信息传递过程中，时滞不可避免，所以关于时滞递归神经网络稳定性的研究具有着重要的理论和实际意义。在神经网络电子实现中，脉冲、随机扰动以及参数不确定性广泛存在，因此，本文主要考虑脉冲、随机扰动和参数不确定性影响下时滞递归神经网络的稳定性分析。\n 本文共由六章组成，主要内容如下:\n 第一章介绍了时滞递归神经网络的发展背景、现状和本文的主要研究工作。\n 第二章研究了具有Leakage时滞的不确定随机神经网络全局鲁棒稳定性问题。首先运用Lyapunov-Krasovskii泛函方法、模型变换和随机分析技巧，给出了判定一类随机神经网络全局鲁棒均方渐近稳定的新准则。然后研究了带有Leakage变时滞和不确定参数的脉冲随机反应扩散神经网络的稳定性。脉冲既与神经元当前状态有关，又与Leakage时滞和传输时滞所产生的历史状态有关。利用Lyapunov函数、Razumikhin技巧和线性矩阵不等式方法获得了在无脉冲条件下系统是稳定或不稳定情况下保证系统受脉冲影响时均方鲁棒指数稳定的条件，并给出实例说明结果的有效性。\n 第三章研究了具有马尔科夫跳的时滞随机神经网络的稳定性问题。首先构造新的Lyapunov-Krasovskii泛函，给出了保证系统均方指数稳定的易于验证的新的判定条件。然后运用Lyapunov-Krasovskii泛函和随机分析技巧研究了转移概率部分未知时，马尔科夫跳的随机静态神经网络的均方指数稳定性。进一步研究了转移概率部分未知时马尔科夫跳的混合时滞随机神经网络的随机稳定性，通过引入新的参数和自由矩阵两种方法，分别得到保证系统稳定性的新判据，推广了现有文献的相关结果，并通过实例对两种方法进行了比较。所得判定条件都是时滞相关的，并以线性矩阵不等式形式给出，能够有效利用MATLAB中的LMI工具箱求其可行解。\n 第四章利用Lyapunov稳定性理论和随机分析的方法，研究了一类无穷分布时滞随机反应扩散静态神经网络的全局鲁棒均方指数稳定性，给出了易于验证的代数判据，并通过实例说明结果的有效性。\n 第五章研究了一类无穷分布时滞的脉冲神经网络的反周期解，运用时滞脉冲微分不等式，给出了脉冲神经网络的反周期解的存在性和全局指数稳定性的充分条件。脉冲既与当前状态有关，又与过去状态有关，因而推广了相关结果。且给出了仿真实例。\n 第六章对本文工作进行总结，并对今后的研究工作前景进行了展望。

关键词： 脉冲耦合神经网络   图像增强算法   改进模型   视觉效果  

摘要： 图像是一种信息获取与利用的重要途径。但是在获取或传输途中，图像质量会下降，所以需要利用各种图像处理技术来改善图像质量。\n 图像增强是整个图像处理过程的基础，是一个非常重要的环节。增强的目的在于改善图像的质量或优化视觉效果，使图像更利于人眼观测或机器识别，以便获取更有效的信息。增强需求会随处理目的或者观察者的不同而有所差异，即图像增强具有很强的针对性，这就决定了增强算法的高针对性。因此还没有一种通用的增强算法。\n 人类是利用大脑皮层视觉区来感知图像的，而脉冲耦合神经网络(PCNN)就是基于哺乳动物大脑视觉皮层神经元特性建立起来的数学模型，生物学背景使其较好地模拟了人类视觉系统，被广泛应用于图像处理的各个领域。\n 本论文主要通过对脉冲耦合神经网络模型特性的分析，研究其与人眼视觉特性之间的关系，并将其应用于图像增强中。文章首先介绍了各种图像增强算法的原理和应用场景，其次详细分析了脉冲耦合神经网络的工作原理，接着针对具体应用对PCNN模型进行了改进，将原来的指数衰减阈值改进为线性衰减阈值，并阐述了改进PCNN模型对灰度图像进行增强的原理，最后提出了一种基于本文PCNN模型的彩色图像增强算法，并对算法进行了实验仿真。与两种经典的彩色图像增强算法的增强结果比较表明，本文算法可以有效增强图像，输出图像对比度提高，细节显现，颜色自然，客观评价值高。

关键词： 不动点   Liapunov函数   时间尺度上带有脉冲   模糊时滞神经网络模型  

摘要： 本文利用不动点和Liapunov函数的方法，我们主要研究时间尺度上带有脉冲的模糊时滞神经网络模型｛xΔi(t)=-aixi(t)+∑mj=11cji∫∞0kji(s)fj（yj（t-s））Δs+Ai+∧mj=1αji∫∞0kji(s)fj（yi（t-s））Δs+m∧j=1Tjiuj+∨mj=1βji∫∞0kji(s)fj（yj（t-s））Δs+m∨j=1Hjiujt∈T+0，i=1，2，…,nΔxi(tk)=Ik(xi(tk))k=1，2，…，i=1，2，…yΔj(t)=-bjyj(t)+∑ni=1∫∞0(k)ij(s)gi(xi(t-s)）Δs+Bj+∧ni=1pij∫∞0(k)ij(s)gi（xi（t-s））Δs+n∧i=1Kijui+∨ni=1qij∫∞0(k)ij(s)gi(xi(t-s))Δs+ n∨i=1Lijuit∈T+0，j=1,2，…，mΔyj(tk)=Jk(yi(tk)),k=1,2，…，i=1,2，…得到了平衡点的存在唯一性和平衡点的指数稳定性。

关键词： 脉冲耦合神经网络(PCNN)   改进的脉冲耦合神经网络(M-PCNN)   人脸识别   特征提取   信息熵   支持向量机(SVM)  

摘要： 针对基于子空间分解的人脸特征提取方法对人脸图像在采集过程中的光照、旋转、位置等变化较为敏感的问题,提出了一种改进的脉冲耦合神经网络人脸特征提取方法。该方法模拟生物视觉的感知过程,将人脸图像分解成由若干二值图像组成的认知序列,计算序列中的每幅二值图像的熵作为人脸特征,基于支持向量机实现分类与识别;同时克服了标准的脉冲耦合神经网络模型参数过多的缺点,识别率也有所改善。理论与实验结果表明,该方法与现有的基于子空间分解的人脸特征提取方法相比,对人脸图像在采集过程中的光照、旋转、位置等变化有较强的鲁棒性,而且具有较低的维数。

关键词： 随机脉冲神经网络   平均脉冲区间   Markov切换参数   部分同步   通信信道  

摘要： 许多人工神经网络都会因内部部件的故障、维修、受到突发性环境扰动和子系统之间关联发生改变等使得系统结构发生多样性变化.具有这种特性的系统被称为Markov切换系统.因为真实的网络节点不同方式的非局域耦合，使得系统很难达到全局同步，这时网络中的部分节点可能会达到同步.部分同步指的是在一定的耦合强度范围内网络中具有某些对称性的节点之间出现同步的现象，即产生了同步节点聚类.\n 另一方面，在许多实际情况中，系统的状态会在某些时刻发生突变，称为脉冲现象.按照脉冲效应对网络性能的影响来说，可以分为两类脉冲:促进同步脉冲和阻碍同步脉冲.早期的工作对这两种脉冲是分开处理.本文在引入平均脉冲区间的基础上，同时考虑同步促进脉冲和阻碍同步脉冲，对具有Markov切换参数的随机脉冲神经网络进行研究，得到了对于系统部分同步的一个充分性准则.具体来说，本文主要内容如下:\n 第一部分，我们简要概述了时滞脉冲神经网络，Markov切换系统以及部分同步等的相关背景和意义，接着介绍具有Markov切换参数的随机神经网络当前的研究工作进展.本文的主要研究工作也在这一部分加以阐述.\n 第二部分，首先引进具有Markov切换参数的随机脉冲神经网络模型和平均脉冲区间的定义，通过构造新的Lyapunov泛函并结合一些新的技巧分析，得到了一个同时适应于促进同步脉冲和阻碍同步脉冲的部分同步的充分性准则，并通过数值例子说明所提出方法的有效性和可行性.\n 第三部分，进一步研究了具有离散时滞和白噪声的Markov切换参数的随机脉冲神经网络模型，应用Lyapunov理论和Dini导数的相关性质，得到了系统部分同步的充分性准则，最后通过几个数值例子验证了本文判据的有效性.

关键词： 脉冲耦合神经网络   遗传算法   运动检测   高斯混合模型  

摘要： 在研究PCNN算法的基础上,详细论述了PCNN的数学模型与工作原理,提出了基于PCNN的运动目标检测算法,设计了基于简化PCNN模型的运动目标检测算法流程,针对模型的匹配问题,结合双阈值思想,提出自适应局部阈值方法。实验证明,该方法在目标和背景的灰度差别对比度较低的条件下,能提高目标检测的完整性,该算法较传统算法有背景建模快、抗干扰性强等优良特性、较好地解决背景的多模态问题。为以后研究PCNN提供了理论基础。

关键词： 相位一致性   脉冲耦合神经网络   边缘颜色直方图   图像检索  

摘要： 随着现代网络通信技术的快速发展，庞大的图像库不断涌现，为快速有效地将这些大规模的图像资源组织起来并对其进行检索，基于内容的图像检索(CBIR)技术应运而生，并成为该领域的研究热点。基于底层特征的图像检索技术是基于内容图像检索技术的核心，颜色、纹理和形状特征是图像的三个重要底层特征，被广泛应用于众多图像检索中，但是单一的特征很难充分表达图像的信息，几个特征的简单组合并没有考虑到它们的内在联系，因此都很难取得理想的检索结果。\n 本文针对底层特征的图像检索技术进行了深入的研究，重点研究了基于颜色和形状特征的图像检索技术，提出了一种结合相位一致性(PC)和脉冲耦合神经网络(PCNN)的图像检索方法。首先基于相位一致性、结合非极大值抑制和自适应双阈值法提取出图像的边缘特征，并获取边缘颜色直方图特征;然后对简化PCNN模型进行改进，针对PCNN神经元的连接强度通常为常数的不足，提出根据相位一致性自适应地调整神经元的连接强度，再利用改进PCNN模型提取图像的特征。最后综合运用基于相位一致性提取的特征和基于PCNN提取的特征进行图像检索。实验结果表明，该方法具有颜色和形状的鉴别能力，能获得较好的查准率和查全率。

关键词： 蛇床子素   第一型類胰島素生長因子   上皮及間質細胞轉換   腦癌  

摘要： 恶性神经胶质瘤是一种致死率高的癌症。研究指出，癌细胞高度的转移侵袭特性是脑癌病患的死亡的主因。上皮及间质细胞转换(Epithelial-Mesenchymal Transition, EMT)过程可被许多不同的生长因子所诱发，也是癌细胞发生转移的最关键起始步骤。蛇床子素(Osthole)为传统消炎用中草药，目前已知Osthole具有抑制表皮肝细胞生长因子(HGF)诱发乳癌EMT的能力，然而，关於Osthole抑制脑癌的相关研究却相当稀少。 本研究以IGF-1处理人类脑癌细胞株GBM8401後，细胞型态与间距会变细长而分散，ZO-1表现量会下降，Vimentin表现量则会上升，证实IGF-1可以诱发脑癌细胞EMT。而当以Osthole处理GBM8401细胞後，Osthole反而能抑制IGF-I所引起的型态改变，同时回复ZO-1的表现并抑制Vimentin。免疫染色的结果也显示，经Osthole处理後Vimentin表现量会下降。以相同条件进行伤口癒合试验也可观察到Osthole能抑制IGF-I引起的细胞爬行能力。综合以上实验结果，Osthole能够抑制IGF-I在脑癌中诱导的EMT。进一步以双重冷光酵素报导试验与及时聚合酶链锁反应结果得知，Osthole抑制IGF-I所引起的EMT现象主要是抑制在基因转录层面。深入探讨Osthole对IGF-I下游讯息路径影响，发现Osthole能够降低IGF-1下游Akt和GSK3β蛋白磷酸化的情形，恢复GSK3β抑制EMT转录因子Snail、Twist表达的生物活性，进而抑制Snail、Twist等转录因子抑制EMT的发生。由此可推论Osthole能够藉由阻断PI3K-Akt路径的进行来抑制EMT的发生。希望未来Osthole能运用到癌症医疗上，为脑癌治疗提供新的药物。

关键词： 脉冲神经网络   相变材料   动态脉冲响应神经元模型   无监督STDP学习方式   竞争策略  

摘要： 人工神经网络的研究起于1943年，大规模的神经网络由数量众多的神经元组成，这些神经元彼此之间相互连接，通过一定的算法可以使其具备认知能力。认知能力是神经网络要解决的中心问题，而识别则是神经网络应具备的基础能力。\n 传统的人工神经网络，诸如BP(Back-Propagation)、RBF(Radial BasisFunction)、SVM（Support Vector Machine）等神经网络，已经是很成熟的神经网络，它们在识别和认知方面有着大量成熟的算法，而且现在应用得非常广泛，它们可以很好的解决一些模式识别的问题。而被誉为第三代神经网络的脉冲神经网络Spiking Neural Network(SNN)是建立在真实的生物神经元基础之上的。\n 本文提出了一种动态脉冲响应神经元模型DSRM(Dynamic Spike ResponseModel)，该神经元模型是以SRM(Spike Response Model)模型为基础而改进的，本文基于DSRM神经元模型构建了具有无监督STDP(Spike-Timing DependentPlastistiy)学习方式的脉冲神经网络。通过对脉冲神经网络的训练以及输出层神经元之间的竞争使网络具有识别能力。除此之外，本文还介绍了相变材料的电学特性，并利用其电学特性对STDP学习方式进行了仿真。\n 本文首先阐述了组成脉冲神经网络的神经元的模型，而后详细介绍了构建脉冲神经网络的算法，并使神经网络对英文字符和二维码分别进行识别。通过无监督STDP学习方式对脉冲神经网络进行训练来达到输入神经元与输出神经元之间权重的收敛，输出神经元之间的竞争采用胜者为王的竞争策略使其与待识别模式建立对应关系，在识别过程中权重并不做更新，这使得识别的过程基本可以达到实时。最终把相变材料电学特性仿真的STDP学习过程添加到DSRM神经元模型中。