首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

Spiking神经网络及其在图像处理技术上的应用研究

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第11-18页
    1.1 课题研究背景及意义第11-13页
    1.2 课题研究现状第13-15页
    1.3 主要内容和总体思路第15-17页
    1.4 章节安排第17-18页
第二章 Spiking神经网络介绍第18-30页
    2.1 Spiking神经元生物学启示第18-22页
    2.2 Spiking神经网络模型第22-28页
        2.2.1 基于电导模型第22-25页
            2.2.1.1 Hodgkin-Huxley Model第23-25页
            2.2.1.2 FitzHugh-Nagumo Model第25页
        2.2.2 阈值点火模型第25-28页
            2.2.2.1 积累触发模型(Integrate-and-Fire Model--I&F)第25-26页
            2.2.2.2 Spike响应模型(Spike Response Model-SRM)第26-28页
    2.3 Spiking神经网络学习算法第28-29页
    2.4 本章小结第29-30页
第三章 Spiking-卷积神经网络模型第30-40页
    3.1 Spiking-卷积结构第30-35页
        3.1.1 卷积生物原理第30-31页
        3.1.2 Spiking-卷积第31-35页
            3.1.2.1 Spiking-卷积层第33-34页
            3.1.2.2 Spiking-采样层第34-35页
    3.2 Spiking-卷积技术分析第35-39页
        3.2.1 延时编码第36-37页
        3.2.2 稀疏连接第37-38页
        3.2.3 权值共享第38-39页
    3.3 本章小结第39-40页
第四章 基于Spiking-卷积模型的图像边缘检测算法第40-55页
    4.1 引言第40-41页
    4.2 基于检测算子的Spiking-卷积第41-44页
        4.2.1 LOG-Spiking-卷积算法第41-43页
        4.2.2 DOG-Spiking-卷积算法第43-44页
    4.3 算法描述第44-48页
        4.3.1 图像编码第44-45页
        4.3.2 算法实现的Spiking模型第45-47页
        4.3.3 算法流程第47-48页
    4.4 实验与分析第48-53页
        4.4.1 仿真环境选择第48-49页
        4.4.2 仿真实验第49-53页
            4.4.2.1 多算子下的大米边缘检测第50页
            4.4.2.2 LOG传统卷积与Spiking-卷积的Lena样本边缘检测第50-51页
            4.4.2.3 DOG传统卷积与Spiking-卷积的花朵样本边缘检测第51-52页
            4.4.2.4 多算子边缘检测和Spiking-卷积边缘检测比对第52-53页
    4.5 本章小结第53-55页
第五章 基于Spiking-卷积的图像识别计算模型第55-72页
    5.1 引言第55-56页
    5.2 一种基于Spiking-卷积的图像识别算法第56-64页
        5.2.1 Spiking-卷积网络拓扑结构第57-58页
        5.2.2 时空模式第58-59页
        5.2.3 Tempotron学习规则第59-62页
        5.2.4 Spiking-卷积识别系统第62-63页
        5.2.5 算法流程图第63-64页
    5.3 实验与分析第64-71页
        5.3.1 实验数据集选取第64-65页
        5.3.2 相关参数设定第65-66页
        5.3.3 仿真实验第66-71页
            5.3.3.1 决策 1—单一分布式决策第66-67页
            5.3.3.2 决策 2—分布式的投票决策方案第67-68页
            5.3.3.3 决策 3—局部主义方案第68页
            5.3.3.4 实验结果第68-71页
    5.4 本章小结第71-72页
第六章 总结与展望第72-74页
    6.1 总结第72-73页
    6.2 进一步的工作第73-74页
致谢第74-75页
参考文献第75-81页
硕士期间取得的研究成果第81-82页

论文共82页,点击 下载论文
上一篇:人脸识别系统及关键算法研究
下一篇:体育场馆在线预定平台的设计与实现