PCNN混沌特性與硬件實現(xiàn)研究.pdf

1、脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network，PCNN)是一種新型神經(jīng)網(wǎng)絡(luò)，是依據(jù)貓大腦視覺皮層神經(jīng)細(xì)胞的同步脈沖發(fā)放現(xiàn)象提出的，是一種更接近生物視覺特性的神經(jīng)網(wǎng)絡(luò)模型，具有相似神經(jīng)元同步點火特性，其應(yīng)用受到廣泛關(guān)注。作為非線性動力學(xué)系統(tǒng)，PCNN混沌特性研究的相關(guān)文獻(xiàn)較少。目前大量文獻(xiàn)關(guān)注PCNN模型的仿真實現(xiàn)研究，而對于基于硬件平臺的PCNN算法實現(xiàn)仍是發(fā)展中的熱點，是近年來文獻(xiàn)關(guān)注的焦點。
　　

2、 本論文主要進(jìn)行PCNN混沌特性研究和PCNN最大熵分割算法的FPGA硬件實現(xiàn)研究。具體如下：
　　 1.通過對PCNN單個神經(jīng)元模型的參數(shù)選取及非線性特性分析，分析了PCNN產(chǎn)生混沌特性的模型。對混沌模型如何穩(wěn)定控制到期望點及對參考信號的跟蹤方法進(jìn)行了研究，實驗結(jié)果表明，PCNN能產(chǎn)生混沌現(xiàn)象，且能按照期望點進(jìn)行穩(wěn)定控制，并能對參考信號進(jìn)行很好地跟蹤。
　　 2.結(jié)合PCNN在圖像分割方面的優(yōu)勢，研究了PCNN對三類