4.23文创礼盒,买2个减5元 读书月福利
欢迎光临中图网 请 | 注册
> >>
时空编码脉冲耦合神经网络理论及应用

时空编码脉冲耦合神经网络理论及应用

作者:顾晓东
出版社:科学出版社出版时间:2017-10-01
开本: 32开 页数: 313
中 图 价:¥110.1(8.6折) 定价  ¥128.0 登录后可看到会员价
暂时缺货 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

时空编码脉冲耦合神经网络理论及应用 版权信息

时空编码脉冲耦合神经网络理论及应用 本书特色

本书全面而系统地介绍了具有生物学背景的时空编码脉冲耦合神经网络的理论及应用。本书共9章,第1、2章介绍时空编码人工神经网络和空间编码人工神经网络的异同,时空编码脉冲耦合神经网络的基本理论、应用及研究现状,脉冲耦合神经网络的动态行为,以及更便于用硬件实现的单位连接模型;第3~7章介绍脉冲耦合神经网络在图像处理、特征提取、模式识别和优化等方面的理论及应用研究,融合数学形态学、模糊数学、粗集和粒子滤波等理论,并由数学形态学得到脉冲耦合神经网络图像处理通用设计方法,具体介绍了近二十种相关应用;第8、9章介绍基于脉冲耦合神经网络的仿生建模理论及应用,将脉冲耦合神经网络和注意力选择相融合,充分贯彻拓扑性质知觉理论,采用同步振荡特征捆绑理论,引入光流场方法,分别建立方位检测、心理学注意力选择、神经生物学注意力选择仿生模型,并应用于目标跟踪等方面。

时空编码脉冲耦合神经网络理论及应用 内容简介

顾晓东著的《时空编码脉冲耦合神经网络理论及应用/信息科学技术学术著作丛书》全面而系统地介绍了具有生物学背景的时空编码脉冲耦合神经网络的理论及应用。本书共9章,第1、2章介绍时空编码人工神经网络和空间编码人工神经网络的异同,时空编码脉冲耦合神经网络的基本理论、应用及研究现状,脉冲耦合神经网络的动态行为,以及更便于用硬件实现的单位连接模型;第3~7章介绍脉冲耦合神经网络在图像处理、特征提取、模式识别和优化等方面的理论及应用研究,融合数学形态学、模糊数学、粗集和粒子滤波等理论,并由数学形态学得到脉冲耦合神经网络图像处理通用设计方法,具体介绍了近二十种相关应用;第8、9章介绍基于脉冲耦合神经网络的仿生建模理论及应用,将脉冲耦合神经网络和注意力选择相融合,充分贯彻拓扑性质知觉理论,采用同步振荡特征捆绑理论,引入光流场方法,分别建立方位检测、心理学注意力选择、神经生物学注意力选择仿生模型,并应用于目标跟踪等方面。本书可供信号与信息处理、人工神经网络、模式识别、电路与系统、机器学习、计算机视觉、生物医学工程和遥感等专业的高年级本科生、研究生,以及科研与工程技术人员参考。

时空编码脉冲耦合神经网络理论及应用 目录

目录《信息科学技术学术著作丛书》序前言第1章 绪论 11.1 人工神经网络的缘起 11.2 平均点火率神经网络 21.2.1 平均点火率神经网络的发展历程 21.2.2 平均点火率神经网络的局限性 31.3 脉冲神经网络 41.3.1 脉冲神经网络的发展回顾 41.3.2 脉冲神经网络信息编码 61.4 本书的内容及组织安排 71.4.1 本书内容 71.4.2 本书组织安排 91.5 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 182.1 脉冲耦合神经元及其简化模型 182.1.1 脉冲耦合神经元模型及分析 182.1.2 单位连接脉冲耦合神经元模型及分析 232.1.3 脉冲耦合神经元与平均点火率神经元的区别 272.2 脉冲耦合神经网络 272.2.1 脉冲耦合神经网络的连接方式 272.2.2 脉冲耦合神经网络动态行为分析 292.3 脉冲耦合神经网络的特性与应用 332.3.1 脉冲耦合神经网络的特性 332.3.2 脉冲耦合神经网络的应用 342.3.3 脉冲耦合神经网络的硬件实现 362.4 脉冲耦合神经网络的发展前景 372.5 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 503.1 基于Unit-linking PCNN的图像分割 503.1.1 基于Unit-linking PCNN及图像熵的图像分割方法 513.1.2 基于直方图及边缘乘积互信息的Unit-linking PCNN图像分割 573.2 基于Unit-linking PCNN的图像阴影去除 653.2.1 基于Unit-linking PCNN的图像阴影去除方法及分析 653.2.2 Unit-linking PCNN阴影去除方法在道路检测中的应用 743.3 基于PCNN的图像去噪及与模糊数学的结合 773.3.1 基于PCNN的图像去噪 773.3.2 基于PCNN及模糊算法的四值图像去噪 813.4 基于PCNN与粗集理论的图像增强 843.4.1 粗集理论简介 843.4.2 基于PCNN与粗集理论的图像增强方法及仿真 853.4.3 仿真及分析 873.5 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 944.1 Unit-linking PCNN与数学形态学的关系 944.1.1 图像处理中的数学形态学 944.1.2 网络中脉冲传播和数学形态学的等价关系 964.2 Unit-linking PCNN图像处理通用设计方法及应用 974.2.1 Unit-linking PCNN图像处理通用设计方法 974.2.2 Unit-linking PCNN颗粒分析及形态学分析 974.2.3 基于Unit-linking PCNN的图像斑点去除方法及形态学分析 1024.2.4 基于Unit-linking PCNN的边缘检测方法及形态学分析 1044.2.5 基于Unit-linking PCNN的空洞滤波方法及形态学分析 1074.2.6 基于Unit-linking PCNN的细化方法及形态学分析 1104.3 本章小结 117参考文献 117第5章 Unit-linking PCNN特征提取及应用 1205.1 Unit-linking PCNN全局图像时间签名 1205.2 Unit-linking PCNN局部图像时间签名 1275.3 基于Unit-linking PCNN全局图像时间签名的目标识别 1305.4 基于Unit-linking PCNN图像时间签名的机器人自主导航 1355.4.1 发育机器人自主导航流程 1355.4.2 增量分层回归法 1365.4.3 增量主元分析方法 1405.4.4 非平稳视频流导航中Unit-linking PCNN全局图像时间签名的性能 1425.4.5 Unit-linking PCNN时间签名应用于平稳视频流的机器人导航 1425.5 基于粒子滤波及Unit-linking PCNN图像时间签名的目标跟踪 1445.5.1 粒子滤波简介 1455.5.2 粒子滤波目标跟踪 1455.5.3 Unit-linking PCNN图像时间签名应用于粒子滤波目标跟踪 1465.6 基于Unit-linking PCNN局部图像时间签名的图像认证 1515.6.1 基于内容及数字签名的图像认证 1515.6.2 基于Unit-linking PCNN局部图像时间签名的图像认证 1515.7 基于Unit-linking PCNN特征提取的图像检索 1545.7.1 用于图像检索的Unit-linking PCNN特征 1555.7.2 相似度 1605.7.3 仿真及分析 1635.8 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 1796.1 基于Unit-linking PCNN的车牌识别 1796.1.1 车牌识别概述 1806.1.2 Unit-linking PCNN应用于车牌定位 1826.1.3 Unit-linking PCNN应用于车牌字符分割 1876.1.4 基于Unit-linking PCNN的车牌字符识别 1906.2 Unit-linking PCNN应用于手静脉识别 1936.2.1 手静脉识别概述 1936.2.2 Unit-linking PCNN细化方法应用于手静脉识别 1946.2.3 实验结果及讨论 1966.3 多值脉冲耦合神经网络及应用 1986.3.1 多值脉冲耦合神经网络 1986.3.2 基于多值模型脉冲波的数据分类 2006.4 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 2127.1 基于时延Unit-linking PCNN的静态*短路径求解 2127.1.1 时延Unit-linking PCNN 2137.1.2 基于时延Unit-linking PCNN的*短路径求解 2147.1.3 仿真及分析 2177.2 基于带宽剩余率及Unit-linking PCNN的静态路径寻优 2187.2.1 基于带宽剩余率及Unit-linking PCNN的*优路径求解 2197.2.2 仿真及分析 2227.3 基于Unit-linking PCNN的动态网络*优路径求解 2247.3.1 概述 2247.3.2 基于Unit-linking PCNN的*优路径动态求解方法 2267.3.3 仿真及分析 2287.4 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 2388.1 PCNN与心理学注意力选择的结合 2388.1.1 心理学注意力选择计算模型 2398.1.2 PQFT与Unit-linking PCNN相结合的沙漠车辆识别 2418.1.3 PQFT与Unit-linking PCNN相结合的海上目标识别 2498.1.4 基于PCNN和PQFT的足球检测与跟踪 2518.2 基于PCNN与拓扑性质知觉理论的注意力选择 2578.2.1 拓扑性质知觉理论 2588.2.2 基于PCNN和拓扑知觉的注意力选择 2598.2.3 基于PCNN、光流场及拓扑知觉的运动目标注意力选择 2758.3 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 2889.1 模型概述 2889.1.1 结构 2889.1.2 所建模型与生物视觉系统的关系 2899.2 基于Unit-linking PCNN的仿生方位检测 2909.2.1 Unit-linking PCNN边缘检测 2909.2.2 用Unit-linking PCNN模仿生物视觉皮层的方位检测 2929.2.3 仿真及分析 2969.3 具有Top-down机制的Unit-linking PCNN注意力选择 2989.3.1 Unit-linking PCNN注意力选择概述 2989.3.2 目标轮廓链码 2999.3.3 Unit-linking PCNN注意力选择层 3009.3.4 仿真及分析 3109.4 本章小结 311参考文献 312
展开全部
商品评论(0条)
暂无评论……
书友推荐
编辑推荐
返回顶部
中图网
在线客服