课程文献中心 更多>>

关键词： 内蒙古   早始新世   奇蹄目   脊齿貘科   蹄齿犀科   生物地层学  

摘要： 描述了内蒙古二连盆地脑木根组上部(早始新世伯姆巴期)两种奇蹄类:脊齿貘类的二连明镇貘(新属新种)Minchenoletes *** ***.和蹄齿犀类的Pataecops parvus。二连明镇貘区别于其他脊齿貘类的特点是:个体小,颊齿齿冠低,齿脊相对不发育,牙齿较横宽(长宽比小),M3相对较长。两种化石分别将脊齿貘科和犀超科的化石记录提前到最早始新世。最新的地层资料表明,明镇貘仅发现于脑木根组上部,相当于伯姆巴期的地层中;施氏貘(Schlosseria)和脊齿貘(Lophialetes)则分别发现于阿山头组和伊尔丁曼哈组。因此,这些化石在生物地层对比和早期奇蹄类演化研究中具有重要价值。依据二连地区的新资料和中亚考察团的野外记录,我们认为蒙古的Pataecops parvus标本可能来自比Kholobolchi动物群大多数种类更低的层位,可能相当于伯姆巴期。

关键词： 全局指数稳定   S型分布时滞   M矩阵理论   Lyapunov函数  

摘要： 本文考虑具有S型分布时滞和脉冲的Cohen-Grossberg神经网络模型,应用Lya-punov函数,M矩阵和Razumikhin技巧,得到了该模型稳定的充分条件.

关键词： 激光脉冲   解码   神经网络  

摘要： 为提高激光脉冲解码过程的准确性和识别效率,采用神经网络技术对激光脉冲编码解码进行了仿真研究。应用线性神经网络对有规律的编码,如周期型编码和等差型编码,进行了识别。仿真结果表明,对于PCM码,需要约2个周期的脉冲就可准确预测下一个脉冲到达的时间;对于等差型码,需要4个脉冲就可以达到精度要求。然后,应用概率神经网络对伪随机型编码的最小周期进行了识别。仿真结果表明,可以在信息量较少的情况下准确识别此类型编码的最小周期。

关键词： 耦合神经网络   脉冲   马尔可夫跳变   混合时滞   全局渐近同步  

摘要： 研究一类混合时滞耦合神经网络的同步问题,其中系统及其参数的切换和时滞均由某个马尔可夫链所确定,同时考虑脉冲的影响.另外,对细胞激活函数进行更为一般的假设.通过构造Lyapunov-Krasovskii泛函,运用线性矩阵不等式技术(linear matrix inequality,LMI)并结合Kronecker积获得神经网络全局同步的充分性判据,且该判据依赖于时滞,易于利用数学软件Matlab的LMI工具箱进行验证和求解.

关键词： 静态神经网络   变时滞   脉冲   指数稳定性   延迟依赖  

摘要： 研究含脉冲的变时滞静态神经网络模型的指数稳定性。通过构造恰当的Lyapunov泛函,利用线性矩阵不等式方法,给出了该神经网络模型在延迟依赖条件下的指数稳定性的充分条件。同时考虑时滞和脉冲的影响,因而考虑的情况更具普遍性,适用的范围更广。仿真例子说明所得结果适用范围宽,保守性小,易于验证的特点。

关键词： 混合时滞   脉冲模糊Cohen-Grossberg神经网络   p-指数稳定  

摘要： 研究了一类具有混合时滞和脉冲的模糊Cohen-G rossberg神经网络p-指数稳定性.利用M-锥理论和不等式分析技巧,获得了保证此神经网络零解p-指数稳定的一些新的充分条件,推广和改进了已有文献的相关结果.

关键词： PCNN   人脸朝向识别   特证提取   特征序列  

摘要： 人脸朝向特征提取是人脸朝向识别的关键。本文采用基于脉冲耦合神经网络(Pulse Coupled Neural Network,简称PCNN)的特征提取方法,分别基于其熵序列、对数序列、时间序列、标准方差序列,完成了多维信息到一维信息的转化,并针对椒盐噪声影响下对数序列的分类效果进行分析。通过欧氏距离法进行人脸朝向的分类识别,结果表明,基于PCNN对数序列对人脸朝向特征提取的正确率可达96%,并且具有一定的抗噪能力。

关键词： 中医手诊   掌纹识别   脉冲耦合神经网络   理纹分析  

摘要： 掌纹识别是生物信息识别的重要技术之一，在身份识别领域已得到较好的应用，但用于中医手诊的掌纹识别研究还比较匮乏。由于掌纹诊病是一种通过对双手掌部纹理进行观察从而诊断疾病的方法，采用的技术易学习，易实践，易被受检者接受，诊断过程无痛苦、无损伤，因此作为一种经济、简便、易行的健康普查自查手段，应用潜力巨大。根据联合国教科文组织关于现代先进诊断技术的衡量标准:无痛苦、无创伤、简便易行，掌纹诊病是一种经济、方便、易普及的现代化、科学的诊断方法。然而，目前对手掌病理纹的识别完全依赖于检查者的技术和经验，从而限制了掌纹诊断技术的推广应用。采用现代生物特征识别技术进行手掌病理纹的识别，对于推广具有中国特色的掌纹诊病技术，提高大众健康水平，具有重要意义。\n 论文将研究人体左手三大纹线上不同纹理类型与疾病的关系，并通过对不同病理纹的分析，实现对病理纹的自动分类。本文提出一种基于脉冲耦合神经网络(PCNN)的手掌纹理识别方法，旨在通过对不同的掌纹类型进行分类，从而辅助手诊专家发现人的健康隐患。论文给出用PCNN提取时间熵序列的具体算法，并以三大主线识别为例，采用SOM可视化聚类获得三大主线的模板类别数，然后再次用SOM聚类获得三大主纹线的标准熵时间序列，最后使用两种分类方法来实现分类，并通过抽查统计的方法对分类结果进行了验证。论文还对PCNN的性能优劣进行了分析，对进一步改善掌纹识别算法具有借鉴意义。

关键词： 脉冲耦合神经网络   BP神经网络   图像识别   特征提取   模式分类器  

摘要： 从20世纪90年代开始，由Eckhorn等对猫、猴的视觉皮层神经元脉冲串同步震荡现象的研究，进一步演化得到了哺乳动物的近似神经元模型，随着不断的深入研究建立了脉冲耦合神经网络模型(Pulse coupled neural network，PCNN)。\n 本文主要是针对脉冲耦合神经网络的模型、参数调整以及在图像处理的中的应用展开讨论，其主要内容围绕基于PCNN的特征提取与图像识别展开研究。图像识别主要分为图像获取、预处理、特征提取、识别4个主要阶段，文中分别针对后三个阶段展开研究，并通过模拟实验实现整个过程。在预处理阶段主要是对图像进行去噪、必要的几何变换等，对于去噪，简单介绍了如均值滤波、中值滤波算法以及相应的处理结果。特征提取阶段分别探讨其在简单几何图形与复杂图形上的特征提取与识别，文中所涉及到的特征主要有特征时间序列、信息熵序列以及欧拉序列，最后结合模式分类器如最小距离分类器、BP网络模式分类器等进行下一步识别，通过模拟实验验证了其优越的特征提取能力。\n 论文的主要内容安排如下所示：\n 首先，扼要的对PCNN的研究现状、研究目的以及研究意义给予简单的描述与概括，并阐述了本文的主要工作与内容安排。\n 其次，在已有理论的研究基础之上对PCNN理论及模型给予详细的推导和介绍，重点介绍了其神经元模型的来源、工作原理以及神经元点火周期特性，同时还探讨了脉冲耦合神经网络模型在耦合与无耦合两种情况之下神经元工作原理，并结合电路理论模型来加以补充解释说明。在探讨其理论及模型的基础之上，进一步研究其在图像处理中的应用，主要围绕其在图像识别中的应用展开研究工作，详细介绍了图像的预处理、特征提取以及模式分类器的原理、算法以及模拟实验过程。\n 再次，将PCNN用于简单几何图形、人物图像的特征提取以及识别，并在前人已有的研究基础之上完善基于PCNN的图像识别系统，包括图像的获取、预处理、特征提取以及识别整个过程，并给予详细的理论介绍、实验过程以及实验结果。\n 然后，对PCNN参数的设置进行了研究与探讨，通过信息熵来确定最节迭代次数以及最佳分割阈值，从而进一步确定PCNN模型中动态阈值的时间衰减常数，并通过实验表明通过该方法确定时间衰减参数取得了不错效果。\n 最后，本文主要创新点为引入欧拉序列作为PCNN提取的特征以及在此基础之上结合PCNN与BP网络模式分类器建立识别系统，同时对本文主要工作给予简要的概括和说明，并提出下一步研究方向。