Spiking神經(jīng)網(wǎng)絡(luò)及其在圖像處理技術(shù)上的應(yīng)用研究

《Spiking神經(jīng)網(wǎng)絡(luò)及其在圖像處理技術(shù)上的應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、電子科技大學(xué)UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA碩士學(xué)位論文MASTERTHESIS論文題目Spiking神經(jīng)網(wǎng)絡(luò)及其在圖像處理技術(shù)上的應(yīng)用研究學(xué)科專(zhuān)業(yè)計(jì)算機(jī)軟件與理論學(xué)號(hào)201222060562作者姓名潘婷指導(dǎo)教師屈鴻副教授分類(lèi)號(hào)密級(jí)注1UDC學(xué)位論文Spiking神經(jīng)網(wǎng)絡(luò)及其在圖像處理技術(shù)上的應(yīng)用研究（題名和副題名）潘婷（作者姓名）指導(dǎo)教師屈鴻副教授電子科技大學(xué)成都（姓名、職稱、單位名稱）申請(qǐng)學(xué)位級(jí)別碩士學(xué)科專(zhuān)業(yè)計(jì)算機(jī)軟件與理論提交論文日期2015.03.27

2、論文答辯日期2015.05.11學(xué)位授予單位和日期電子科技大學(xué)2015年06月答辯委員會(huì)主席評(píng)閱人注1：注明《國(guó)際十進(jìn)分類(lèi)法UDC》的類(lèi)號(hào)。RESEARCHONSPIKINGNEURALNETWORKSANDITSAPPLICATIONONIMAGEPROCESSINGAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ComputerSoftwareandTheoryAuthor:PanTingAdvisor:QuHo

3、ngSchool:ComputerScienceandEngineering獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含為獲得電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。作者簽名：日期：年月日論文使用授權(quán)本學(xué)位論文作者完全了解電子科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交

4、論文的復(fù)印件和磁盤(pán)，允許論文被查閱和借閱。本人授權(quán)電子科技大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定）作者簽名：導(dǎo)師簽名：日期：年月日摘要摘要被譽(yù)為“第三代神經(jīng)網(wǎng)絡(luò)”的Spiking神經(jīng)網(wǎng)絡(luò)是神經(jīng)科學(xué)，計(jì)算智能領(lǐng)域的最新研究成果，它是能夠有效模擬生物神經(jīng)元之間信息隨時(shí)間連續(xù)傳遞的動(dòng)力系統(tǒng)。該模型采用時(shí)間編碼方式組織信息，可以模擬真實(shí)生物中的信息處理機(jī)制，比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)更接近實(shí)際生物神經(jīng)系統(tǒng)。研究表明，Spiking神經(jīng)元

5、具備對(duì)外部輸入信息的非線性處理能力，其編碼機(jī)制、神經(jīng)元模型、突觸學(xué)習(xí)規(guī)則等都與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)大有不同，研究其內(nèi)部機(jī)制并對(duì)其應(yīng)用進(jìn)行探索是很有意義的。而卷積神經(jīng)網(wǎng)絡(luò)作為DeepLearning領(lǐng)域中的一大分支，能有效模仿生物大腦空間層次結(jié)構(gòu)來(lái)解釋數(shù)據(jù)處理流程。因此，本文探究具有高度仿生物脈沖時(shí)序處理能力的Spiking機(jī)制，與具有空間抽象特征提取能力的卷積網(wǎng)絡(luò)相結(jié)合，以全新的時(shí)空結(jié)合方式探索更符合生物認(rèn)知規(guī)則的新模型，從而提高對(duì)時(shí)空數(shù)據(jù)的處理能力，既具有極強(qiáng)的科學(xué)研究意義，又具有較高的工程應(yīng)用價(jià)值。本文的工作主要有三個(gè)方面：首先

6、，提出了一種具有良好空間表征特性和時(shí)間信息傳遞的Spiking-卷積神經(jīng)網(wǎng)絡(luò)模型。利用具有時(shí)序處理能力的Spiking神經(jīng)元代替?zhèn)鹘y(tǒng)方式來(lái)組織、表示和傳遞信息，針對(duì)時(shí)間脈沖進(jìn)行卷積，將Spiking的時(shí)間處理特性和卷積網(wǎng)絡(luò)空間連接方式有機(jī)結(jié)合。這種基于卷積網(wǎng)絡(luò)的Spiking-卷積模型繼承了卷積結(jié)構(gòu)的局部連接、權(quán)值共享結(jié)構(gòu)，對(duì)數(shù)據(jù)具有高度不變性，具有較少訓(xùn)練參數(shù)，同時(shí)具備了對(duì)時(shí)序數(shù)據(jù)的計(jì)算能力，汲取了兩者之所長(zhǎng)。這也是首次把Spiking神經(jīng)機(jī)制和卷積神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)，以達(dá)到對(duì)時(shí)空特征的自動(dòng)提取能力；其次，本文提出了基于Sp

7、iking-卷積的圖像邊緣檢測(cè)算法，運(yùn)用拉普拉斯高斯算子（LOG）和高斯差分函數(shù)（DOG）兩種經(jīng)典有效的濾波器，進(jìn)行Spiking-卷積，替換傳統(tǒng)卷積方式，對(duì)圖像進(jìn)行邊緣提取，為了驗(yàn)證Spiking-卷積新算法完成邊緣檢測(cè)的性能，我們做了仿真實(shí)驗(yàn)，并取得了良好的效果，為后續(xù)工作提供了技術(shù)保障；最后，本文給出了一個(gè)基于Spiking-卷積機(jī)制的圖像識(shí)別計(jì)算模型，該模型具有Spiking-卷積的時(shí)空信息表示方案、Spiking網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)算法以及合理的投票決策方案，共同組成了一個(gè)高效、統(tǒng)一的Spiking-卷積識(shí)別系統(tǒng)。為了研

8、究其在圖像識(shí)別上的應(yīng)用，本文通過(guò)計(jì)算機(jī)仿真和模擬，驗(yàn)證算法的性能，并得到預(yù)期的效果，使該方法既有高度仿生物性能，符合生物認(rèn)知行為規(guī)則，又能有效的進(jìn)行時(shí)空數(shù)據(jù)的特征表示，完成智能識(shí)別任務(wù)。關(guān)鍵詞：Spiking神經(jīng)網(wǎng)絡(luò)，Spiking-卷積，時(shí)空特征，邊緣檢測(cè)，圖像識(shí)別IABSTRACTAB