脉冲神经网络的时间计算——世界中心识别原理

本文表明传统的基于脉冲平均点火率的人工神经网的全并行计算是不妥的，因为它不能进行时间操作，我们提出一个脉冲神经网，对神经计算引入空间搜索机制，搜索能够将空间坐标转化为时间坐标，这使得空间相对坐标 为时间相对坐标，利用延迟的连接，神经网能够非常容易地完成时间相对坐标的计算，设计了一个以世界为中心的模型，它由空间搜索器和特征转移向量存储器组成：ＷＣＭ是单纯的神经网络，它代表了不变识别的神经原理。     

同时估计回归函数零点及噪声参数

对未知的回归函数以 ARMA 型的误差得到量测时,本文以随机逼近型算法搜索回归函数的零点,同时以参数辨识算法估计噪声模型中的未知系数阵.本文证明了两种算法以概率1的收敛性.     

多层神经网的快速学习法及逻辑电路实现

本文讨论了一种用于模式分类的高阶神经网的快速学习法.该方法分为二个阶段,首先是样本空间的划分,然后由样本及它所对应的类训练权值.学习过程没有迭代循环,一次确定.隐元的个数有明确含义,由样本空间决定,而不是由人判断.该学习方法十分简单,适合于硬件实现.本文中给出了该方法应用于XOR问题,对称性判别,T—C分类问题的例子.以及该模型的逻辑电路实现方法.     

基于有限脊波变换的图像融合研究

将有限脊波变换(FRIT)应用于图像融合能更好地提取图像边缘特征,为融合提取更多的特征信息.基于FRIT的图像融合算法是将图像进行FRIT,在不同的频率域利用融合规则融合有限脊波系数,最后通过重构得到融合图像.通过对多聚焦图像的实验,对比了基于FRIT的图像融合算法和基于小波变换的融合算法,并对实验结果进行了主观和客观的评价,试验结果表明,基于FRIT的图像融合算法取得了比基于小波变换算法更好的融合结果,是一种有效可行的图像融合算法.     

OMIS图像条带噪音消除方法研究

分析了OMIS高光谱图像条带噪音产生的主要原因及条带噪音的特点.提出了两种改进的空域和小波域OMIS条带噪音消除新方法.比较了实验图像和数据.结果表明,两种新方法均具有良好的消除OMIS条带噪音的能力,并能较好地保持图像的纹理细节信息,效果明显优于原有方法.     

基于二代curvelet变换的图像融合研究

曲波(Curvelet)作为一种新的多尺度分析方法比小波更加适合分析二维图像中的曲线或直线状边缘特征,而且具有更高的逼近精度和更好的稀疏表达能力.将curvelet变换引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息.第二代curvelet理论的提出也使得其理论更易理解和实现.因此,提出了一种基于第二代curvelet变换的图像融合方法,首先将图像进行curvelet变换,然后在相应尺度上利用融合规则将curvelet系数融合,最后进行重构得到融合结果.对多聚焦图像进行了实验,采用均方误差、偏差指数和相关系数对融合结果进行了客观评价,并与基于小波变换的融合进行了比较,实验结果表明该方法除分解2层时与小波性能相当,取其他分解层数时均获得更好的融合效果.     

随机时分神经计算理论用于视觉曲线自激增强

利用空间分布满足曲线规则(位置和定向连续性)的局部刺激之间的相互激励,称为曲线自激,这是发现视觉边界曲线和抑制局部噪声的有效手段.过去的工作均采用并行结构区分的计算方式,曲线自激并没有达到满意的效果.本文提出随机时分动态自激的计算方案,对不同的曲线实施随机时分的搜索、时间一致性滤波、和自激积累等机制.本文给出了实现的原理方案.     

对一般二次指标的随机适应控制

本文对多维离散时间的随机系统给出适应最优控制,既使一般型的二次性能指标达最小,又使随机梯度算法给出的参数估计收敛到真值.本文的特点是不事先假定系统稳定.     

神经网络稳定性的逻辑分析

神经网络稳定性分析的传统方法是采用权矩阵的定量分析。本文提出一种基于推理和矛盾分析的逻辑分析法，并阐明导致网络不稳定的局部结构因素，这有利于神经网络的分析和设计。     

基于直方图互确认的图像阈值化分割

目前图像阈值化中存在的主要问题是分割结果的有效性以及分割数目的确定.本文提出一种新颖并且原理简单的图像阈值化算法,根据图像在直方图上的直观分布,提出一种新的阈值判断机制,该机制基于峰谷对阈值的影响,累积所有直方图对阈值的认可程度,并结合一些加速策略,使得算法具有很强的实用性和适用性,算法结合最终的认可程度的百分比确定取...