翻譯.wps

1、 PCNN模型及其應用 約翰·L·約翰遜和瑪麗婁帕吉特，會員，IEEE摘要-本文將描述脈沖耦合神經網絡模型。 其鏈接領域調制術語顯示其網絡模型是生物基礎性樹狀模型的普遍特征。本文將綜述和回顧神經網絡模型的應用與實現并且基于應用程序的變化與簡化進行總結。本文將在新的細節(jié)方面對神經網絡圖像圖解進行闡釋。關鍵詞-樹狀模型， 脈沖神經網絡模型因式分解，脈沖耦合神經網絡1 介紹從霍金和赫胥黎的開創(chuàng)性研究到最近關于內部樹狀脈沖

2、生成研究， 神經元電化學動態(tài)研究使模型越來越精轉化和細節(jié)化。生物模型到算法模型的轉錄引出了廣泛的文獻數據處理系統(tǒng)， 其系統(tǒng)最初主要關注于將自適應算法進運用于數據分類器。 關于脈沖神經元動態(tài)研究，不論適應與否，是最近的研究項目。 早期的一篇論文描述了一個基于一對耦合振蕩器的動態(tài)鏈接架構。同步脈沖在貓視覺皮層的爆發(fā)的實驗觀察鞭策了更多的關于生物基礎性脈沖動態(tài)系統(tǒng)的研究。1990 年 eckhorn 網絡連接系統(tǒng)以現象學模型系統(tǒng)被介紹并展示了

3、同步脈沖迸發(fā)。它用一個叫神經元模型的脈沖生成器，一個調制耦合項和一個作為漏水容器的突出鏈接建模。中央新概念是次要接受域和鏈接域的引入，它的整合引入是通過內部細胞電路調節(jié)遠處喂養(yǎng)接受域。這提供了一個簡單,有效的仿真工具并研究同步脈沖的動態(tài)網絡,很快就被認為是在圖像處理的重要應用。大量的變形與變體被引入到鏈接領域模型是為了調整作為圖像處理算法的表現，而這些被統(tǒng)稱為脈沖耦合神經網絡。區(qū)別。第三部分回顧了基本鏈接;再利用的大多是基于領域模型，多

4、脈沖和單脈沖體制,和一些有用方面的脈沖耦合神經網絡。這些包括邏輯規(guī)則、 圖像融合、 規(guī)模定義連接強度,標志性的時間信號,脈沖耦合神經元網絡樹狀圖,混亂的結構。第四部分是一個描述脈沖耦合神經元網絡技術和不同變體給予定義不同的簡短回顧,第五部分致力于脈沖耦合神經元網絡的應用和實現。 因為脈沖耦合神經元網絡通常用作非適應處理器、連通性的要求很低,實際構建高速電子芯片。 第六部分, 脈沖耦合神經元網絡的算法描述,包括對那些感興趣開發(fā)簡單的軟件代

5、碼的版本。 它顯示了用在許多圖像處理應用程序的主要簡化和快捷鍵。 偽代碼包括保付模式的新細節(jié)。第七部分給出了這些變化的應用和脈沖耦合神經元網絡保付特點的示例。這個分析的目的是要表明,分流誘導調節(jié)耦合是一個通用的和普遍的生物脈沖耦合機制對于脈沖產品來說它不是獨家機制。沿著密集樹突突觸輸入非線性增強效應最近被實驗證實。 激活通道交互的電導具有電壓依賴性。 它在輸入復雜的細胞中提供了一個乘法效應,并與鈉的活躍的樹突峰值有關。 像分流效果,它允

6、許加法和乘法耦合。而不是選擇添加劑耦合或乘法耦合,自然選擇。脈沖耦合神經元網絡和標準霍金赫胥黎神經模型模型的主要區(qū)別是在脈沖發(fā)生器的選擇上。用于原始 Eckhorn 模型的神經元模型非常類似于生物 integrate-and-fire脈沖發(fā)生器整體性能,但它有一些基本的差異。稍后將討論這些差異。脈沖耦合神經元網絡是基于在至少兩個不同的輸入。區(qū)劃的模型單元由一個樹突部分和第二部分包含 integrate-and-fire 脈沖發(fā)生器,與每