课程文献中心 更多>>

关键词： 脉冲耦合神经网络   人脸朝向识别算法   特征序列   椒盐噪声   欧氏距离法  

摘要： 人脸朝向识别作为人脸识别的一个重要方面，在智能访客系统、驾驶员状态评估等方面得到了广泛应用，因此如何有效地提取人脸朝向特征逐渐成为人脸识别技术的研究热点之一。本文引入一种被称为第三代人工神经网络一脉冲耦合神经网络(Pulse Coupled Neural Network，简称PCNN)算法，通过深入分析它的神经元模型、基本工作原理以及各种优良特性等，研究了利用PCNN特征序列（熵序列、对数序列、时间序列、标准方差序列）分析人脸朝向特征的方法。\n 文中将人脸朝向大致分为左方、左前方、前方、右前方、右方5类，通过求平均的方法得到各类朝向的特征序列，利用欧氏距离来对未知人脸的特征序列与各类朝向特征序列进行相似性度量。实验结果表明，4种特征序列都在一定程度上反映了人脸朝向的有效信息，通过与欧氏距离法结合得出基于PCNN对数序列的人脸朝向特征提取方法的效果最好，识别正确率最高。文中对加噪图像的识别进行了研究分析，实验表明一定范围内的椒盐噪声对PCNN对数序列的影响不大，可以正确识别人脸朝向；当椒盐噪声增大到一定程度时，会对PCNN对数序列产生影响，已经不能准确识别人脸朝向，此时，滤除噪声显得尤为重要。\n 研究还将脉冲耦合神经网络的4种特征序列分别与BP神经网络的人脸朝向识别算法相结合进行人脸朝向的判别，并通过比较4种特征序列的识别效果来进行分析研究。实验表明，基于PCNN对数序列的BP人脸朝向识别的效果最好，识别正确率最高。

关键词： 周期解   泛函微分方程   时间尺度   神经网络  

摘要： 本文主要研究了带有脉冲的中立型泛函动力学方程及高阶BAM神经网络的周期解的存在性,并得到了一系列新的结果。\n 第二章,在时间尺度上研究了下面一类带变时滞和脉冲的非自治中立型泛函微分方程的周期解的存在性:{(x(t)+λc(t)x(t-τ(t)))△=-λf(t,x(t),x(t-τ(t))),t≠tk,t∈T,x(tk+)=x(tk-)-λIk(x(tk)),其中λ＞0,T在时间尺度上是ω-周期的,c(t)∈C1(T,R0),τ(t)∈C(T,R0),且它们都是ω-周期函数,Ik(u)∈C(R,R0),f(t,x,y)∈C(T×R×R,R0),且对所有的(t,x,y)∈(T×R×R)都满足f(t+ω,x,y)=f(t,x,y),其中ω＞0,并且它是一个常数,R0=[0,+∞),R-=(-∞,0)。对于R的每一个区间I,记IT=I∩T,x(tk+)和x(tk-)是x(tk)在时间尺度意义上的左极限和右极限,另外,如果tk是右散射的,则有x(tk+)=x(tk),然而,如果tk是左散射的,则有x(tk-)=x(tk),k∈Z。存在一个正整数p,使得tk+p=tk+ω,Ik+p=Ik,k∈Z。不失一般性,假设[0,ω)T∩{tk:k∈Z)={t1,t2,...,tp)。\n 第三章,研究了下面带脉冲的高阶BAM神经网络的周期解的存在性:{dxi(t)/dt=-ai(t)xi(t)+m∑j=1bij(t)gj(yj(t-τ(t)))+m∑j=1m∑l=1eijl(t)pj(yj(t-τ(t)))ql(yl(t-τ(t)))+Ii(t),dyj(t)/dt=-dj(t)yj(t)+n∑I=1cji(t)fi(xi(t-σ(t)))+n∑I=1nΣl=1sjil(t)vi(xi(t-σ(t)))wl(xl(t-σ(t)))+Jj(t),△xi(tk)=xi(tk+)-xi(tk-)=γikxi(tk),△yj(tk)=yj(tk+)-yj(tk-)=ρjkyj(tk),其中I=1,2,...,n,j=1,2,...,m,xi(t)和yi(t)表示在t时刻第I个细胞和第j个细胞的电势(或者电压);ai(t)和dj(t)分别表示第I个细胞和第j个细胞在断开与外界输入和网络时,将进入封闭休息状态时重置自己潜力的速率,时滞τ(t)和σ(t)相应于轴突有限的信号传播速度;bij(t),cji(t),eijl(t),和sjil(t)分别表示神经网络一阶和二阶的连接权重,Ii(t)和Jj(t)记为外部向第I个和第j个细胞输入的资源。{tk}满足0＜t1＜t2＜...＜tk,当k→∞时tk→∞。存在一个正整数q,使得tk+q=tk+ω,γik+q=γik,ρjk+q=ρjk,k∈Z,I=1,2,...,n,j=1,2,...,m。不失一般性,假设有[0,ω)h{tk:k∈Z)={t1,t2,...,tq}。

关键词： 脉冲控制   脉冲同步   混沌系统   信道时滞   BAM细胞神经网络   概周期解   吸引区域  

摘要： 本文共分为四个章节,第一章介绍混沌系统和高阶双向联想记忆网络(简称BAM)的研究背景及现状,并给出本文所要解决的问题。\n 1963年,洛伦兹在研究大气现象时,在三维自动化系统中发现了第一个混沌吸引子,从此以后,更多的混沌模型陆续被建立起来,人们开始研究采用不同的方法来控制混沌。其中,混沌的同步问题逐渐成为了人们感兴趣的焦点问题.然而,对于含有脉冲的混沌系统同步问题却研究较少,为此,在本文的第二章,我们给出了含有脉冲的混沌系统的同步问题的一种研究方法。通过含有信道时滞和不确定参数时滞的脉冲控制方法来得到一些脉冲同步的条件,并且通过一个例子来证明我们结论的正确性。\n 在最近的几年,双向联想记忆网络(BAM)已经引起了广泛的注意,很多人开始研究它的动态性态,并且已经被应用在很多方面。但是,现在大多数研究的目光都集中在低阶的不含有脉冲的细胞神经网络,其实在实际生活中,含有脉冲的、高阶的细胞神经网络存在的更多.所以。在本文的第三章,我们研究含有可变系数和时滞的高阶BAM脉冲细胞神经网络的2N概周期解。在驱动函数满足一些假设条件的前提下,我们将不变盆映射为2N个紧凸子集.通过运用Schauder’s不动点定理和指数二分法,我们得到2N概周期解的存在性和指数吸引区域。同时,我们也得到2N概周期解存在性和稳定性的条件。\n 在第四章,对本文进行总结并提出了以后的研究方向。

关键词： Codes (symbols)  

摘要： Solar wind interaction with an artificial magnetosphere is investigated by means of a full particle-in-cell simulation. The resultant momentum transfer of solar wind plasmas may provide the propulsive force for a magnetic sail, which is a potential next-generation interplanetary flight system. These simulations are performed using two different simulation codes. One is a traditional code employing a uniform grid system, and the other is a newly developed code with an adaptive mesh refinement (AMR) technique. Even in a small magnetosphere having a scale smaller than the ion inertia length, ions are scattered at the front of the magnetosphere. In this region, an electron-scale current structure is observed, and the electromagnetic interaction with the coil current density, which creates the magnetosphere, causes a propulsive force. The current density structure observed in the AMR simulation is in good agreement with that resulting from the traditional code. The AMR code is expected to be a powerful tool to demonstrate this solar wind interaction under realistic conditions at a reasonable numerical cost. © 2011 The Japan Society of Plasma Science and Nuclear Fusion Research.

关键词： 脉冲神经网络   特征提取   线矩   车型识别分类  

摘要： 在智能交通系统中智能识别技术得到了越来越广泛的应用。而车型识别技术是智能交通系统中智能识别技术重要组成部分,在路桥收费系统中它能对在特定地点和时间的车辆进行识别和分类,并且能作为交通收费、管理、调度、统计的依据。本文重点对运动车辆图像进行技术处理和分析,提出了以神经网络与当前图像处理技术相结合的车辆识别与分类技术。而人工神经网络是智能识别技术中最热门的研究方向,结合人工神经网络在智能交通系统中的应用已成为当前研究的重要课题。 本文通过分析智能交通系统的发展现状与应用前景,提出了一种基于人工神经网络的车型识别与分类的研究方案。该方案利用一种基于神经轴突延迟机制的脉冲神经元网络模型算法和一套图像处理技术获取运动车辆,再通过脉冲神经网络提取运动车辆边沿对应的边缘脉冲频率图。然后,对脉冲频率图提取线矩特征,最后利用这些特征结合传统的车辆车型特征训练BP神经网络,从而设计成一个自动识别系统,对运动车辆进行分类识别。这一系统不但能准确的检测识别车型,也用于识别出其他的运动目标。实验表明该系统获得了很好的识别结果。该系统可在智能交通监控等众多领域应用,具有重要的现实意义。

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

摘要： 近年来,神经网络在联想记忆,模式识别,信号处理,组合优化,图像处理,智能控制等许多领域得到了广泛的应用.根据系统基本变量选取的不同,神经网络可分为局域神经网络和静态神经网络.局域神经网络在优化计算和联想记忆等领域取得了成功的应用.而静态神经网络在求解变分不等式等优化问题中有显著的优势.在现实生活中,神经网络的运行可能受到两方面的影响.一方面,由于神经元放大器的有限转化速度,经常会受到时滞的影响,而时滞可能引起系统的振荡或不稳定.另一方面,电压的突变会产生错误的电路,这是典型的脉冲现象,它可以影响神经网络的瞬时行为.所以,研究神经网络时,考虑时滞和脉冲的影响是十分必要的.因此,本文将研究同时受时滞和脉冲影响的静态神经网络的动力学行为. 第一章,首先回顾了神经网络的发展和特征,分析了时滞和脉冲对神经网络的影响.其次介绍了近年来研究受脉冲和时滞影响的神经网络的方法和成果,并总结了本文的主要研究成果. 第二章,本文的预备知识,包括一些定义,定理和不等式.然后介绍了稳定性的理论,最后给出了受脉冲和变时滞影响的静态神经网络模型. 第三章,研究变时滞的静态神经网络在含脉冲情况下的渐近稳定性.通过构造恰当的Lyapunov泛函,利用线性矩阵不等式方法,证明了该模型在延迟依赖条件下的全局渐近稳定性.由于同时考虑了时滞和脉冲的影响,因而所得结论更具普遍性,适用范围更广.最后用仿真实例说明了所得结果适用范围宽,保守性小,易于验证的特点. 第四章,研究变时滞的静态神经网络在含脉冲情况下的指数稳定性.构造了两个Lyapunov泛函,并利用线性矩阵不等式方法,给出了确保该神经网络模型在延迟依赖条件下的全局指数稳定性的两个充分条件.与已有结果相比,所给出的稳定性判据具有易于验证,保守性小,适用范围宽的特点.最后用仿真实例验证了所得结果的正确性.

关键词： PCNN   图像分割   自动波   时间签名   图像细化  

摘要： 脉冲耦合神经网络（Pulse Coupled Neural Network,简称PCNN）是一种单层、无需训练的新型神经网络,它模拟了哺乳动物视觉皮层系统的同步脉冲振荡现象,是第三代神经网络。PCNN由于其天然的视觉特性广泛应用在图像处理、对象识别、决策优化等领域。 本文对PCNN在理论和应用两个层面上进行了研究。在理论上,根据对象的视觉亮度和实际亮度的差异,提出了基于自适应阈值衰减时间常数的简化版PCNN模型,并且证明了图像熵和时间签名在输出图像选择上的等效性;在应用上,提出了新的PCNN图像自动分割方法,举例分析了两种主要的单PCNN图像细化算法的缺陷,提出了针对环样图像的双PCNN细化算法,提出了基于PCNN的图像边框去除方法,并将PCNN时间签名应用于图像识别。本论文的主要工作包括: 1.研究典型PCNN模型的基本理论,包括它和生物学神经元的关系,由接受、耦合、输出三部分组成的基本框架,公式表示,参数间的相互影响和约束关系,PCNN的特性和结构改进。 2.总结图像分割的含义和常用技术,说明PCNN应用于图像分割的原理和依据,对典型PCNN进行改进,根据对象的视觉亮度和实际亮度的差异,提出具有自适应阈值衰减时间常数的简化版PCNN模型,证明图像熵和时间签名在输出图像选择上的等效性,据此提出图像的PCNN自动分割新算法并进行实验分析。 3.总结图像细化的目的和技术类别,说明PCNN的自动波特性在图像细化中的作用,分析单PCNN图像细化的关键环节,举例证明现有的两种单PCNN细化算法的缺陷。特别针对环样图像引入双PCNN算法,通过实现自动波的同步,达到图像的完美细化效果。 4.进一步发掘PCNN自动波在图像处理上的应用,根据内外波的思想,提出基于PCNN的图像边框去除方法并进行实验。 5.讨论PCNN时间签名的特性及其在图像识别上的应用,给出基于PCNN时间签名的图像识别算法流程。

关键词： 混沌神经网络   同步   混合变时滞   脉冲控制   拉萨尔不变原理   全局渐近稳定   李雅普诺夫泛函  

摘要： 混沌系统的脉冲控制与混沌系统的同步是非线性科学研究的重要问题,混沌系统同步的研究成果已经被广泛应用到了众多领域.然而,随着社会的进步与发展的需求,在前人研究成果的基础上,我们还需要对混沌系统的同步进行更加细致详尽的研究.本文通过构建不同的脉冲控制器,分别研究了一类基于混合时滞的神经网络系统的脉冲控制与指数滞后同步、带混合变时滞的一类Cohen-Grossberg神经网络系统的脉冲控制与完全同步以及带有变时滞的一类不确定混沌神经网络系统的自适应同步. 本文的主要研究内容可以概述如下: 1.在第一章中,我们主要介绍了混沌神经网络与混沌控制的研究背景、目的及意义、混沌神经网络的一些著名的数学模型以及一些学者们在这方面取得的研究成果,最后我们给出了本文的结构. 2.在第二章中,我们讨论了一类基于混合时滞的神经网络系统的脉冲控制与指数滞后同步.通过使用Lyapunov稳定性理论和不等式分析技巧,分别得到了保证混沌网络系统的全局渐近稳定与指数稳定的充分性条件.从而得到了混沌系统的指数滞后同步准则.并通过一些数值实例与仿真,验证了我们所用方法的可行性和有效性. 3.在第三章中,主要针对混合变时滞的一类Cohen-Grossberg神经网络系统的脉冲控制与完全同步进行了讨论.通过使用Lyapunov泛函的方法和脉冲微分不等式技巧,得到了混沌系统的一些充分性条件,这些条件确保了误差系统的全局渐近稳定与指数稳定.同时也得到了混沌系统渐近同步的准则,并通过数值例子来验证得到的结论. 4.在第四章中,我们对一类带有变时滞的不确定混沌神经网络系统的自适应同步进行了研究,在文献[69]所提出的模型的基础上,利用泛函微分方程的拉萨尔不变原理以及自适应反馈控制的方法,得到了混沌系统的全局渐近稳定和自适应同步的充分性条件.最后通过数值模拟说明了所得到的结论是可行的.

关键词： 金相显微镜   图像融合   图像拼接   脉冲神经网络  

摘要： 金相显微图片是为科研工作者进一步准确分析金属材料微观组织结构服务的,例如分析新型金属材料的组织成分及检测金属产品的质量等等。随着科研深入的需求,科研工作者希望获得高分辨率、大视场的金相显微图片。而目前获得高分辨率金相显微图片的显微镜采用的是大数值孔径、高放大倍数的成像物镜,此类物镜的景深很小,采集图片时容易发生离焦现象。同时,此类物镜所能提供的视场较小,普通显微镜难以达到这一要求,不能满足实际的科研需求。鉴于此,本课题所研究的图像融合和图像拼接技术具有重要的理论意义和应用价值。通过改进图像融合和图像拼接技术,能够提高显微成像技术,获得更好的全局清晰图片。 主要研究内容如下: 1.通过对高分辨率金相显微镜成像原理,脉冲神经网络及小波—Contourlet原理的深入研究,引入了一种基于脉冲神经网络及小波—Contourlet的图像融合算法。 2.通过对显微图片特征、surf特征点检测法与相位法相关法的进一步研究,引入了一种结合surf特征点检测法与相位相关法相结合的图像拼接方法。 3.通过设计搭建图像采集实物平台,验证了本论文所提出的图像融合和图像拼接创新算法的先进性和正确性。 4.将本文的研究成果,初步应用到作者所在实验室自主研发的高分辨率的具有平场半复消色差镜头的商品样机JX—4型全自动正置金相显微镜上,使其金相显微图片分辨率提高,扩大了其成像视场,提高了JX-4的整体成像性能。 经过两年多的研究工作,深入了解了金相显微镜的成像原理,并掌握了图像融合和图像拼接技术的基础理论知识。基于以上的研究,改进提出了图像融合和图像拼接的创新算法。经过实验有力地验证了:本论文所改进的图像融合和图像拼接算法具有一定的先进性和准确性,能够提高金相显微镜的显微成像技术,并为商品样机的进一步开发奠定了坚实的基础。

关键词： Cohen-Grossberg神经网络   脉冲   时滞   稳定性   逆Lipschitz条件  

摘要： 脉冲时滞神经网络的动力学是近几年来神经网络领域的研究热点。在这些研究中,我们常常假定神经网络的激活函数或行为函数满足连续性条件以及全局或局部Lipschitz条件。但这种假定有时是苛刻的,因为在神经计算中,为了表示要解决的实际问题,常常要求激活函数或行为函数满足一些其它条件,例如逆Lipschitz条件。本文研究了逆Lipschitz条件下脉冲时滞神经网络的指数稳定性,得到了一系列较深刻的结果。论文的主要内容如下: ①脉冲时滞神经网络稳定性的数学基础 脉冲时滞神经网络的理论基础是脉冲时滞微分方程。为了论文内容的自包含,介绍了微分方程的相关定性理论,包括解的存在性、唯一性和稳定性等概念以及要用到的多个重要微分不等式和Lyapunov稳定性定理。 ②脉冲时滞神经网络的研究现状 介绍了脉冲神经网络和时滞神经网络的基本概念和相应的微分模型,以及稳定性判定的常用定理,并对每一种类型的研究现状作了简要的介绍。 ③逆Lipschitz时变脉冲Cohen-Grossberg网络的稳定性 分析了时滞脉冲系统连续部分是发散的情况,但加上脉冲部分后呈现出指数收敛,并且脉冲点的出现跟状态相关。脉冲点的“打击现象”,在文中也作了讨论。对无时滞和有时滞两种情况,分别给出了相应的指数稳定性的充分条件。对后一种情况,根据两种不同的条件,给出了相应的定理,对行为函数是逆Lipschitz的情况也作了讨论。最后给出四个数值仿真例子分别验证了无时滞、有时滞、二阶和三阶时定理的有效性。 ④逆Lipschitz连续时间脉冲Cohen-Grossberg网络的稳定性 对激活函数是逆Lipschitz条件的情况作了分析。在这种情况下,解的存在唯一性用拓扑度的理论得到了证明。为了简化拓扑度的计算,构造了一个连续同伦映射并使用了扩展雅可比矩阵集合及相应的引理。提出了全局指数稳定的充分条件,最后用两个数值仿真验证了定理的有效性。 ⑤逆Lipschitz离散时间脉冲Cohen-Grossberg网络的稳定性 对行为函数是逆Lipschitz条件的情况作了全局指数稳定性和全局渐近稳定性分析,其中的时间是离散的。又按是否有时滞分别进行了讨论。当时滞有规律时对条件进行了简化。证明中主要用到了离散Halanay不等式。三个数值例子显示了对于无时滞、二阶时滞系统和三阶时滞脉冲系统,即使脉冲是起放大作用,只要它不超出一定的度,定理都是有效的。