脉冲神经网络的忆阻器突触联想学习电路分析

忆阻器是具有动态特性的电阻,阻值可依赖于激励电压来变化,具有类似于生物神经突触连接强度的特性,可用来存储突触权值。在此基础上为实现忆阻器突触电路的学习功能,建立了“整合激发”型神经元SPICE仿真电路,修改了原始神经元电路结构,并对电路的脉冲信号产生过程进行了SPICE仿真。结合MOS管及忆阻器的特性重新设计了神经元突触电路结构,使突触电路更符合真实生物神经突触特征。在应用此设计的基础上,实现了2个神经元所构成神经网络之间类似于Hebbian学习的平均激发率学习规则。并且在基于多个神经元的神经网络的基础上     

多种连接模型的忆阻神经网络学习

忆阻器以其独特的非易失性、天然的记忆功能以及纳米级尺寸,在人工神经网络、信号处理和模式识别等方面展现了巨大的应用前景。采用了基于STDP学习规则的忆阻神经网络,运用了网络自适应突变以及网络拓扑结构变化的基因算法,其中包括隐藏层神经元个数,连接权重以及神经网络突触模型的变化。比较了基于HP线性忆阻器模型,非线性忆阻器模型以及阈值模型这3种不同忆阻器模型的忆阻神经网络,并提出了学习效果更好的混合型忆阻神经网络。     

忆阻型模糊细胞神经网络在时滞脉冲控制下的全局指数同步

文章研究了忆阻型模糊细胞神经网络的全局指数同步控制问题。首先,通过采用Filippo解和可测选择理论将忆阻模糊细胞神经网络转化成一类参数不确定的神经网络,并给出一个新颖的不等式以解决模糊反馈连接权重的参数不确定问题;然后,通过设计时滞脉冲控制器,并结合李雅普诺夫函数法、脉冲不等式以及给出的新的不等式,得到驱动忆阻模糊细胞神经网络与响应忆阻模糊细胞神经网络在时滞脉冲控制下指数同步的结果;最后,通过数值模拟验证了理论结果的有效性。研究结果表明:采用合适的控制器,忆阻型模糊细胞神经网络的驱动-响应系统是可以达到指数同步的。     

忆阻神经网络图像处理综述

忆阻神经网络能有效改善传统神经网络电路复杂、不易集成以及能耗大等不足。概述了忆阻器与忆阻神经网络,以及目前忆阻神经网络在图像处理方面的应用。基于忆阻特性,实现神经网络突触的动态可变,使忆阻神经网络比传统神经网络在图像处理领域具备更多优势且应用范围更广。同时,展望了忆阻神经网络未来发展前景。     

基于忆阻器的细胞神经网络及在图像处理中的应用

该文构建一种新的忆阻细胞神经网络,改进传统的忆阻突触桥电路,使之除了具有传统突触桥电路的优势外,还具有更加简化的电路和简化的权值变化条件.通过仿真电路模拟器(SPICE)仿真模拟该突触电路能够实现权值运算.将忆阻细胞神经网络用于图像处理的去噪和边缘提取,实验结果表明忆阻细胞神经网络在图像处理的应用中具有良好的效果.该文...     

参数扰动下时滞忆阻神经网络的Lagrange稳定性

根据忆阻器物理特性,建立了一类荷控忆阻神经网络模型,模型中忆阻器的记忆特性被保留.针对实际忆阻器阻值与理想模型存在差异造成忆阻神经网络中参数不确定的问题,研究参数扰动下时滞忆阻神经网络的Lagrange稳定性.将模型重构为双重扰动形式以处理忆阻器忆阻值变化造成的模型中的参数变化.通过构造Lyapunov函数和应用线性矩阵不等式方法,以线性矩阵不等式形式给出了网络Lagrange稳定的充分条件,并给出了相应的全局指数吸引集的估计.最后,通过与现有模型的仿真结果对比,展示了所建立模型的优势.利用数值算例展示了参数扰动造成忆阻神经网络周期解的偏移,说明了研究参数扰动对忆阻神经网络稳定性影响的必要性,并验证了理论所得稳定性判据的可行性.     

电极材料对NbOx Mott忆阻器稳定性的影响

为了改善NbO_xMott忆阻器电学稳定性和一致性，提升NbO_x Mott忆阻器构建人工脉冲神经元的应用潜力，研究制备了通孔型NbO_x Mott忆阻器，并对比研究了Pt、W电极材料对器件稳定性和一致性的影响。研究结果表明，相较于常见报道的Pt电极器件，采用W电极的NbO_x Mott忆阻器表现出了更为优越的稳定性和一致性。此外，利用NbO_x Mott忆阻器搭建了振荡电路，成功实现了人工脉冲神经元的功能。基于W电极NbO_xMott忆阻器的人工脉冲神经元可以稳定振荡时间超过10⁶ s,循环耐久性可达10¹²次以上，其振荡波形的幅度及频率稳定性远好于基于Pt电极的人工脉冲神经元。进一步的XPS结果显示，在基于W电极的NbO_xMott忆阻器中，W和NbO_x界面生成了一层致密的WO_x层，有效地阻挡了氧空位在NbO_x材料中的迁移。相比之下，基...     

含磁场耦合忆阻神经网络放电行为研究

本文研究复杂神经网络的连接拓扑和耦合强度对其放电行为的影响,以含磁场耦合忆阻Hodgkin-Huxley(HH)神经元为节点,以神经元之间的连接为边,建立Newman-Watts(NW)型小世界神经网络,并通过改变连接拓扑概率和耦合强度研究神经网络放电模式。研究发现:对于一个给定的耦合强度,当连接拓扑概率接近于零时,神经网络没有放电行为;当连接拓扑概率大于阈值时,网络中的神经元会出现放电现象,而且随着连接拓扑概率p的进一步增大,放电强度变得更大。研究结果表明,连接拓扑概率p可以诱导和增强神经网络的电活动,可望为理解真实耦合神经元的集群动力学提供有益的见解。     

忆阻器类脑神经突触的研究进展

大脑之所以能够控制人和动物的复杂生命活动，使生物体在多变的自然环境得以生存，得益于大规模神经网络中高效、快速、精准的信息传递。神经突触作为神经元之间信息传递的重要机构，保证了神经网络的高效运转，因此构建具有神经突触功能的电子突触是研究仿生系统和类脑神经网络的必经之路。研究人员尝试各种电子元件对神经突触进行模拟，其中忆阻器由于其独特的器件结构和具有“记忆特性”的电学性能，成为构建类脑神经突触的最佳选择。文章全面概述近年来忆阻器模拟神经突触的研究进展，包括忆阻器模拟神经突触的可塑性、再可塑性、非联想学习、联想学习等功能，总结了忆阻器神经突触在人工神经网络中的应用、存在的问题和挑战，并对忆阻器神经突触的研究进行展望。     

时滞惯性忆阻神经网络的可达集估计研究

针对带有扰动的时滞惯性忆阻神经网络可达集估计问题进行研究．所考虑的时滞惯性忆阻神经网络是一个二阶微分方程,通过坐标变换方法转化成一阶微分方程．在Filippov解的框架、微分包含理论和优化理论基础上,通过构造适当的李雅普诺夫函数,给出了时滞惯性忆阻神经网络的可达集估计判据．新判据以代数形式给出,并且时滞惯性忆阻神经网络的状态界定在一个多边形可达集中．通过数值仿真分析,验证了所提方法对时滞惯性忆阻神经网络可达集估计的有效性．     

一种改进的深度网络残差学习的图像降噪方法

近年来,基于深度卷积神经网络的学习方法在图像降噪方面取得了前所未有的成果,通过调整网络结构和参数来获取更好的图像降噪效果已成为研究热点.降噪卷积神经网络在深度神经网络中采用残差学习方法,在提高降噪效果的同时,在一定程度上解决了盲降噪问题.其不足之处在于算法收敛时间长.该文针对降噪卷积神经网络结构做了进一步的改进,提出了一种基于反卷积降噪神经网络的图像降噪算法.该文工作的主要特色如下：1) 在原有的网络结构中,引入反卷积神经网络,优化了残差学习方式;2) 提出一种新的损失函数计算方法.使用BSD68和SET12测试数据集对本文提出的方法进行验证,实验结果表明,该文算法的降噪性能与降噪卷积神经网络算法相比,在相同降噪效果情形下,该文算法的收敛时间缩短了120%～138%.同时,与传统的深度学习图像降噪算法比较,该文方法的降噪效果和运行效率也都有提高.     

基于生成对抗网络的SAR图像去噪

合成孔径雷达(synthetic aperture radar,SAR)图像是一种能够全天时、全天候产生高分辨率图像的主动式对地观测系统,在农业和军事等方面得到了广泛应用.然而,由于相干成像机制受到相干斑噪声的影响,因此提出了一种基于生成式对抗网络的SAR图像盲去噪算法,构造了基于残差结构的深度卷积神经网络(deep convolutional neural network,DCNN)作为生成网络,可以加速训练过程,提高去噪性能.本文还利用峰值信噪比(peak signal to noise ratio,PSNR)和结构相似指数(structural similarity index measure,SSIM)定义一种新的损失函数,使得去噪后的图像更符合人眼的视觉感知要求.实验结果表明,本文算法可以有效地抑制SAR图像中的相干噪声,获得良好的去噪效果.     

Gender Recognition with Face Images Based on Partially Connected Neural Evolutionary

In this paper,a new type of neural network model - Partially Connected Neural Evolutionary (PARCONE) was introduced to recognize a face gender. The neural network has a mesh structure in which each neuron didn't connect to all other neurons but maintain a fixed number of connections with other neurons. In training,the evolutionary computation method was used to improve the neural network performance by change the connection neurons and its connection weights. With this new model,no feature extraction is needed and all of the pixels of a sample image can be used as the inputs of the neural network. The gender recognition experiment was made on 490 face images (245 females and 245 males from Color FERET database),which include not only frontal faces but also the faces rotated from-40°-40° in the direction of horizontal. After 300-600 generations' evolution,the gender recognition rate,rejection rate and error rate of the positive examples respectively are 96.2%,1.1%,and 2.7%. Furthermore,a large-scale GPU parallel computing method was used to accelerate neural network training. The experimental results show that the new neural model has a better pattern recognition ability and may be applied to many other pattern recognitions which need a large amount of input information.     

一种基于PCNN的参数自适应图像分割方法

针对在基于脉冲耦合神经网络（PCNN）模型的图像分割中,如何确定合适的网络参数的问题,提出一种基于PCNN的参数自适应图像分割方法。该方法通过设定神经元合适的捕获范围和连接值,综合利用图像像素邻域的灰度信息,结合PCNN网络参数间的相互联系,实现对模型参数自动确定。仿真实验表明,该方法可有效地对不同图像进行自适应分割。与传统的PCNN图像分割方法相比具有一定的优越性。     

基于PSO-GA-BP神经网络的视觉伺服控制系统

传统的基于图像视觉伺服控制需要计算雅可比矩阵和解雅克比矩阵的逆,其结构复杂、计算量大且系统 的实时性不够理想。基于粒子群遗传算法优化的 BP(Back Propagation)神经网络(PSO-GA-BP: Particle Swarm Optimization-Genetic Algorithm-BP)通过学习图像特征空间到机器人运动空间的映射关系,实现了“眼在手上”的 机器人视觉伺服控制,通过优化 BP 神经网络的权值和阈值,防止了其训练时间长、收敛速度慢等弊端。实验 结果表明,优化后的算法运算效率较高,所设计的控制器能使机器人末端执行器在更短的时间内达到预期位 置,图像特征点运动位置的实际值与期望值平均误差约为 2 个像素,具有良好的收敛速度和控制精度。相关结 论可为机器人视觉伺服控制提供优化依据,提高算法的应用性能。     

云相似度测量的变分模态分解去噪方法

为区分VMD( Variational Mode Decomposition) 分解后高低频段模态分量,提高VMD 算法的去噪效果, 提出一种基于云相似度测量的VMD 去噪方法。首先,对信号进行VMD 分解,通过计算各个模态分量与信号之 间的云相似度值,区分有效分量与噪声分量,然后对噪声分量进行小波滤波,最后将滤波后的分量与有效分量 进行重构。通过仿真和实际实验,将提出的去噪法与基于相关系数的VMD 去噪法和基于互信息的VMD 去噪 法对噪声信号进行处理,该方法去噪后所得信号信噪比相对较高,为28． 214 1 dB,均方误差相对较低,为 6． 12 × 104 ,验证了该方法去噪效果的优越性和对油气管道泄漏信号去噪的可行性。     

Image Segmentation Based on Period Difference of the Oscillation

A new method for image segmentation based on pulse neural network is proposed. Every neuron in the network represents one pixel in the image and the network is locally connected. Each group of the neurons that correspond to each object synchronizes while different groups of the neurons oscillate at different period. Applying this period difference, different objects are divided. In addition to simulation, an analysis of the mechanism of the method is presented in this paper.     

Image Edge Detection Based on Oscillation

IntroductionArtificial neural networks can be dividedintotwo classes :rate code neural networks and pulse-based neural networks .Inrate code neural networks the outputs of the neurons arecontinuous , whereas in pulse-based neural networks theneurons emit pulses . Although rate code neural models havebeen well studied, researchers continue to find the evidencerecently that in many cases the brain may accomplishcomputations on pulses(action potential) . Great effort hasbeen devoted towards the a…     

一种基于PCNN检测的文档图像去噪算法

基于简化脉冲耦合神经网络(SPCNN),提出一种有效的文档图像脉冲噪声去除方法。首先通过测试模拟文档图像说明SPCNN检测文档图像噪声的可行性,然后设计SPCNN检测算法判断出噪声像素并加以标记,只对标记为噪声的像素做滤波处理。从仿真实验可以看出,本文方法具有较好的视觉效果,计算结果表明该方法比一般去噪方法明显改善。