时空编码脉冲耦合神经网络理论及应用PDF|Epub|txt|kindle电子书版本网盘下载

时空编码脉冲耦合神经网络理论及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 人工神经网络的缘起1

1.2 平均点火率神经网络2

1.2.1 平均点火率神经网络的发展历程2

1.2.2 平均点火率神经网络的局限性3

1.3 脉冲神经网络4

1.3.1 脉冲神经网络的发展回顾4

1.3.2 脉冲神经网络信息编码6

1.4 本书的内容及组织安排7

1.4.1 本书内容7

1.4.2 本书组织安排9

1.5 本章小结10

参考文献10

第2章 脉冲耦合神经网络基本理论18

2.1 脉冲耦合神经元及其简化模型18

2.1.1 脉冲耦合神经元模型及分析18

2.1.2 单位连接脉冲耦合神经元模型及分析23

2.1.3 脉冲耦合神经元与平均点火率神经元的区别27

2.2 脉冲耦合神经网络27

2.2.1 脉冲耦合神经网络的连接方式27

2.2.2 脉冲耦合神经网络动态行为分析29

2.3 脉冲耦合神经网络的特性与应用33

2.3.1 脉冲耦合神经网络的特性33

2.3.2 脉冲耦合神经网络的应用34

2.3.3 脉冲耦合神经网络的硬件实现36

2.4 脉冲耦合神经网络的发展前景37

2.5 本章小结39

参考文献40

第3章 基于PCNN的图像处理与模糊数学及粗集理论50

3.1 基于Unit-linking PCNN的图像分割50

3.1.1 基于Unit-linking PCNN及图像熵的图像分割方法51

3.1.2 基于直方图及边缘乘积互信息的Unit-linking PCNN图像分割57

3.2 基于Unit-linking PCNN的图像阴影去除65

3.2.1 基于Unit-linking PCNN的图像阴影去除方法及分析65

3.2.2 Unit-linking PCNN阴影去除方法在道路检测中的应用74

3.3 基于PCNN的图像去噪及与模糊数学的结合77

3.3.1 基于PCNN的图像去噪77

3.3.2 基于PCNN及模糊算法的四值图像去噪81

3.4 基于PCNN与粗集理论的图像增强84

3.4.1 粗集理论简介84

3.4.2 基于PCNN与粗集理论的图像增强方法及仿真85

3.4.3 仿真及分析87

3.5 本章小结88

参考文献89

第4章 PCNN图像处理通用设计方法与数学形态学94

4.1 Unit-linking PCNN与数学形态学的关系94

4.1.1 图像处理中的数学形态学94

4.1.2 网络中脉冲传播和数学形态学的等价关系96

4.2 Unit-linking PCNN图像处理通用设计方法及应用97

4.2.1 Unit-linking PCNN图像处理通用设计方法97

4.2.2 Unit-linking PCNN颗粒分析及形态学分析97

4.2.3 基于Unit-linking PCNN的图像斑点去除方法及形态学分析102

4.2.4 基于Unit-linking PCNN的边缘检测方法及形态学分析104

4.2.5 基于Unit-linking PCNN的空洞滤波方法及形态学分析107

4.2.6 基于Unit-linking PCNN的细化方法及形态学分析110

4.3 本章小结117

参考文献117

第5章 Unit-linking PCNN特征提取及应用120

5.1 Unit-linking PCNN全局图像时间签名120

5.2 Unit-linking PCNN局部图像时间签名127

5.3 基于Unit-linking PCNN全局图像时间签名的目标识别130

5.4 基于Unit-linking PCNN图像时间签名的机器人自主导航135

5.4.1 发育机器人自主导航流程135

5.4.2 增量分层回归法136

5.4.3 增量主元分析方法140

5.4.4 非平稳视频流导航中Unit-linking PCNN全局图像时间签名的性能142

5.4.5 Unit-linking PCNN时间签名应用于平稳视频流的机器人导航142

5.5 基于粒子滤波及Unit-linking PCNN图像时间签名的目标跟踪144

5.5.1 粒子滤波简介145

5.5.2 粒子滤波目标跟踪145

5.5.3 Unit-linking PCNN图像时间签名应用于粒子滤波目标跟踪146

5.6 基于Unit-linking PCNN局部图像时间签名的图像认证151

5.6.1 基于内容及数字签名的图像认证151

5.6.2 基于Unit-linking PCNN局部图像时间签名的图像认证151

5.7 基于Unit-linking PCNN特征提取的图像检索154

5.7.1 用于图像检索的Unit-linking PCNN特征155

5.7.2 相似度160

5.7.3 仿真及分析163

5.8 本章小结172

参考文献173

第6章 PCNN车牌和静脉识别及多值模型数据分类179

6.1 基于Unit-linking PCNN的车牌识别179

6.1.1 车牌识别概述180

6.1.2 Unit-linking PCNN应用于车牌定位182

6.1.3 Unit-linking PCNN应用于车牌字符分割187

6.1.4 基于Unit-linking PCNN的车牌字符识别190

6.2 Unit-linking PCNN应用于手静脉识别193

6.2.1 手静脉识别概述193

6.2.2 Unit-linking PCNN细化方法应用于手静脉识别194

6.2.3 实验结果及讨论196

6.3 多值脉冲耦合神经网络及应用198

6.3.1 多值脉冲耦合神经网络198

6.3.2 基于多值模型脉冲波的数据分类200

6.4 本章小结205

参考文献206

第7章 基于Unit-linking PCNN的静态及动态路径寻优212

7.1 基于时延Unit-linking PCNN的静态最短路径求解212

7.1.1 时延Unit-linking PCNN213

7.1.2 基于时延Unit-linking PCNN的最短路径求解214

7.1.3 仿真及分析217

7.2 基于带宽剩余率及Unit-linking PCNN的静态路径寻优218

7.2.1 基于带宽剩余率及Unit-linking PCNN的最优路径求解219

7.2.2 仿真及分析222

7.3 基于Unit-linking PCNN的动态网络最优路径求解224

7.3.1 概述224

7.3.2 基于Unit-linking PCNN的最优路径动态求解方法226

7.3.3 仿真及分析228

7.4 本章小结235

参考文献236

第8章 PCNN与注意力选择和拓扑性质知觉理论的结合及应用238

8.1 PCNN与心理学注意力选择的结合238

8.1.1 心理学注意力选择计算模型239

8.1.2 PQFT与Unit-linking PCNN相结合的沙漠车辆识别241

8.1.3 PQFT与Unit-linking PCNN相结合的海上目标识别249

8.1.4 基于PCNN和PQFT的足球检测与跟踪251

8.2 基于PCNN与拓扑性质知觉理论的注意力选择257

8.2.1 拓扑性质知觉理论258

8.2.2 基于PCNN和拓扑知觉的注意力选择259

8.2.3 基于PCNN、光流场及拓扑知觉的运动目标注意力选择275

8.3 本章小结281

参考文献281

第9章 Unit-linking PCNN方位检测及同步振荡注意力选择288

9.1 模型概述288

9.1.1 结构288

9.1.2 所建模型与生物视觉系统的关系289

9.2 基于Unit-linking PCNN的仿生方位检测290

9.2.1 Unit-linking PCNN边缘检测290

9.2.2 用Unit-linking PCNN模仿生物视觉皮层的方位检测292

9.2.3 仿真及分析296

9.3 具有Top-down机制的Unit-linking PCNN注意力选择298

9.3.1 Unit-linking PCNN注意力选择概述298

9.3.2 目标轮廓链码299

9.3.3 Unit-linking PCNN注意力选择层300

9.3.4 仿真及分析310

9.4 本章小结311

参考文献312