脈沖耦合神經(jīng)網(wǎng)絡(luò)模型參數(shù)自動(dòng)標(biāo)定算法研究.pdf

1、人工神經(jīng)網(wǎng)絡(luò)在一定程度上模仿了生物神經(jīng)系統(tǒng)的智慧和功能，在圖像處理和人工智能領(lǐng)域有著極其重要的地位。而脈沖耦合神經(jīng)網(wǎng)絡(luò)作為新型神經(jīng)網(wǎng)絡(luò)模型，自從90年代被Johnson提出以來，一直是國(guó)內(nèi)外眾多學(xué)者的研究熱點(diǎn)。由于脈沖耦合神經(jīng)網(wǎng)絡(luò)是對(duì)貓的大腦視覺皮層進(jìn)行研究而發(fā)展起來的，與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相比有其獨(dú)特特性：神經(jīng)元之間的乘積耦合和動(dòng)態(tài)脈沖發(fā)放特性，這些特性使其在圖像處理領(lǐng)域得到了非常廣泛的應(yīng)用。 但是在模型中眾多參數(shù)的設(shè)定限制了其進(jìn)一

2、步的應(yīng)用，所以在很多文獻(xiàn)中，均采用了簡(jiǎn)化的模型。在簡(jiǎn)化模型中，雖然參數(shù)數(shù)量大為減少，可是關(guān)鍵參數(shù)仍然根據(jù)具體應(yīng)用通過試驗(yàn)來手工設(shè)定或者使用經(jīng)驗(yàn)值，在一定程度上影響了試驗(yàn)結(jié)果的精度，給后續(xù)的工作造成了一定的障礙。 到目前為止，無人對(duì)脈沖耦合神經(jīng)網(wǎng)絡(luò)的模型參數(shù)設(shè)置進(jìn)行全面和系統(tǒng)的研究。針對(duì)上述情況，本文提出了兩種算法來對(duì)脈沖耦合神經(jīng)網(wǎng)絡(luò)模型參數(shù)進(jìn)行自動(dòng)設(shè)置。一是利用遺傳算法對(duì)參數(shù)的自動(dòng)全局尋優(yōu)能力，將遺傳算法和脈沖耦合神經(jīng)網(wǎng)絡(luò)模型進(jìn)

3、行結(jié)合，來完成脈沖耦合神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)參數(shù)的自動(dòng)設(shè)置，在此基礎(chǔ)上研制了脈沖耦合神經(jīng)網(wǎng)絡(luò)自動(dòng)系統(tǒng)，通過對(duì)圖像分割進(jìn)行了自動(dòng)系統(tǒng)的性能檢驗(yàn)。第二種方法是根據(jù)LMS準(zhǔn)則，采用梯度下降法來對(duì)模型的參數(shù)進(jìn)行自動(dòng)搜索，逐步縮小期望輸出和實(shí)際輸出的誤差，從而在訓(xùn)練結(jié)束時(shí)候得到參數(shù)準(zhǔn)最優(yōu)值，建立了一階自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)。該系統(tǒng)對(duì)于給定的期望輸出和實(shí)際輸入，能夠自動(dòng)調(diào)節(jié)參數(shù)數(shù)值使實(shí)際輸出接近期望輸出。 試驗(yàn)結(jié)果驗(yàn)證了文中提出的兩種算法和相應(yīng)系統(tǒng)的