脈沖耦合神經(jīng)網(wǎng)絡模型參數(shù)自動標定算法研究.pdf

1、人工神經(jīng)網(wǎng)絡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域有著極其重要的地位。而脈沖耦合神經(jīng)網(wǎng)絡作為新型神經(jīng)網(wǎng)絡模型，自從90年代被Johnson提出以來，一直是國內(nèi)外眾多學者的研究熱點。由于脈沖耦合神經(jīng)網(wǎng)絡是對貓的大腦視覺皮層進行研究而發(fā)展起來的，與傳統(tǒng)神經(jīng)網(wǎng)絡相比有其獨特特性：神經(jīng)元之間的乘積耦合和動態(tài)脈沖發(fā)放特性，這些特性使其在圖像處理領域得到了非常廣泛的應用。 但是在模型中眾多參數(shù)的設定限制了其進一

2、步的應用，所以在很多文獻中，均采用了簡化的模型。在簡化模型中，雖然參數(shù)數(shù)量大為減少，可是關鍵參數(shù)仍然根據(jù)具體應用通過試驗來手工設定或者使用經(jīng)驗值，在一定程度上影響了試驗結果的精度，給后續(xù)的工作造成了一定的障礙。 到目前為止，無人對脈沖耦合神經(jīng)網(wǎng)絡的模型參數(shù)設置進行全面和系統(tǒng)的研究。針對上述情況，本文提出了兩種算法來對脈沖耦合神經(jīng)網(wǎng)絡模型參數(shù)進行自動設置。一是利用遺傳算法對參數(shù)的自動全局尋優(yōu)能力，將遺傳算法和脈沖耦合神經(jīng)網(wǎng)絡模型進

3、行結合，來完成脈沖耦合神經(jīng)網(wǎng)絡網(wǎng)絡參數(shù)的自動設置，在此基礎上研制了脈沖耦合神經(jīng)網(wǎng)絡自動系統(tǒng)，通過對圖像分割進行了自動系統(tǒng)的性能檢驗。第二種方法是根據(jù)LMS準則，采用梯度下降法來對模型的參數(shù)進行自動搜索，逐步縮小期望輸出和實際輸出的誤差，從而在訓練結束時候得到參數(shù)準最優(yōu)值，建立了一階自適應脈沖耦合神經(jīng)網(wǎng)絡。該系統(tǒng)對于給定的期望輸出和實際輸入，能夠自動調(diào)節(jié)參數(shù)數(shù)值使實際輸出接近期望輸出。 試驗結果驗證了文中提出的兩種算法和相應系統(tǒng)的