基于生物视觉通路的目标识别算法

研究哺乳动物视觉通路的结构和功能,为机器学习提供了广泛的思路。文章对经典稀疏编码和HMAX模型进行改进,建立一种模拟完整视觉通路的算法。用4DGabor金字塔模拟了视觉信息从视网膜到腹侧通路V1区的处理过程;设计一种带稀疏编码性质的非线性滤波器,模拟了信息在V1区到PFC区的多层次处理步骤。实验表明该算法能够符合已知生物模型,达到现有同类先进算法的效果。     

感受野视觉特征整合模型及应用

 采用基本ICA模拟视觉感知机制对自然图像分解得到的图像基函数在空间排列上是混乱的,这与视觉生理机制相互矛盾.模拟视皮层感受野间的信息整合机制,建立了新的计算模型.针对基于内容的图像故障区域检测问题,提出了相应的高效率少样本检测算法. 首先,以列车正常和故障图像序列作为训练数据,利用拓扑ICA方法学习图像基函数,由此得到的独立分量系数作为神经元响应,然后模拟同步振荡机制选择响应强烈的神经元,输出其对应的内容,最后通过自动对比实现图像故障区域的快速定位.实验结果表明,与传统方法相比较,引入视觉信息整合机制的新模型及其算法能够提高故障检测率.     

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。     

基于显著性疏表示的图像超分辨率算法简

提出了一种全新的基于视觉显著度和上下文稀疏分解的图像超分辨率算法。利用人眼视觉感知显著的区域往往趋向于高度结构化的特性,字典学习和稀疏分解过程中可以捕获更多细节特征。在字典学习部分,视觉显著区域提取出的图像样本用来训练显著字典。在先验模型的部分,由于视觉显著区域通常趋于高度结构化,基于上下文的稀疏分解被用来进一步探索相邻图像块之间的联系。实验结果表明,所提出的方法在性能上优于其他最新的方法,峰值信噪比（PSNR）增益最大。主观结果也显示,所提出的方法可以有效减少假影现象,并保持更多细节。     

Capacity limit of visual short-term memory in human posterior parietal cortex

At any instant, our visual system allows us to perceive a rich and detailed visual world. Yet our internal, explicit representation of this visual world is extremely sparse: we can only hold in mind a minute fraction of the visual scene. These mental representations are stored in visual short-term memory (VSTM). Even though VSTM is essential for the execution of a wide array of perceptual and cognitive functions, and is supported by an extensive network of brain regions, its storage capacity is severely limited. With the use of functional magnetic resonance imaging, we show here that this capacity limit is neurally reflected in one node of this network: activity in the posterior parietal cortex is tightly correlated with the limited amount of scene information that can be stored in VSTM. These results suggest that the posterior parietal cortex is a key neural locus of our impoverished mental representation of the visual world.     

BP神经网络在旋转机械故障诊断中的应用

人工神经网络模型是在现代生物神经系统研究基础上建立的一种网状结构，是对人脑某些基本特性的一种简单的数学模拟。神经网络以其信息的并行分布式处理、联想记忆、自组织及自学习能力，在机械故障诊断领域显示了极大的应用潜力。本文就神经网络对给定知识的表达、联想、记忆能力及网络结构进行了研究，利用反向误差传播网络对旋转机械中四种典型故障进行了实例分析诊断，取得了令人满意的效果。     

基于分类思想的联想记忆神经网络

根据分类思想设计了2层反馈自联想记忆神经网络模型，它符合大脑联想记忆的分类思想，能保证每个样本模式为稳定状态，其吸引域在平均意义上达到最大值。     

基于组稀疏卡尔曼滤波的多步轨迹预测方法

提出一种基于组稀疏卡尔曼滤波的机动轨迹多步预测方法。首先引入组稀疏编码，通过一次学习建立简单的多步线性回归预测模型，克服了传统方法未能充分利用历史数据而导致预测精度降低的问题；再利用最小角回归算法来计算该模型的稀疏系数，进一步改善模型系数估计的准确性；然后改进了卡尔曼滤波算法，并结合上述组稀疏编码算法，来确保预测结果的精确性;最后通过与传统BP、长短时记忆网络和组稀疏编码方法的仿真比较，验证了所提方法的有效性。     

A computational coding model for saliency detection in primary visual cortex

This study researches the coding model adaptive for information processing of the bottom-up attention mechanism.We constructed a coding model satisfying the neurobiological constraints of the primary visual cortex.By quantitatively changing the coding constraints,we carried out experiments on images used in cognitive psychology and natural image sets to compare the effects on the saliency detection performance.The experimental results statistically demonstrated that the encoding of invariant features and representation of overcomplete bases is advantageous to the bottom-up attention mechanism.     

非局部相似和双边滤波的图像超分重建

为了提高重建图像的分辨率,提出一种改进的稀疏表示超分重建算法.在稀疏编码阶段,引入非局部相似正则化以改进稀疏编码目标函数,并通过非局部相似正则化获得图像非局部冗余,以保持图像边缘信息.为了进一步恢复图像的边缘细节信息,提出一种基于改进双边滤波的全局误差补偿模型,以实现重建图像的误差补偿.实验结果表明:与Bicubic,L1SR,SISR,ANR,NE+LS,NE+NNLS,NE+LLE和A+(16 atoms)等算法相比,无论在主观视觉效果,还是在峰值信噪比和结构相似性指标上,所提算法都有显著的提高.     

The concepts of 'sameness' and 'difference' in an insect

Insects process and learn information flexibly to adapt to their environment. The honeybee Apis mellifera constitutes a traditional model for studying learning and memory at behavioural, cellular and molecular levels. Earlier studies focused on elementary associative and non-associative forms of learning determined by either olfactory conditioning of the proboscis extension reflex or the learning of visual stimuli in an operant context. However, research has indicated that bees are capable of cognitive performances that were thought to occur only in some vertebrate species. For example, honeybees can interpolate visual information, exhibit associative recall, categorize visual information and learn contextual information. Here we show that honeybees can form 'sameness' and 'difference' concepts. They learn to solve 'delayed matching-to-sample' tasks, in which they are required to respond to a matching stimulus, and 'delayed non-matching-to-sample' tasks, in which they are required to respond to a different stimulus; they can also transfer the learned rules to new stimuli of the same or a different sensory modality. Thus, not only can bees learn specific objects and their physical parameters, but they can also master abstract inter-relationships, such as sameness and difference.     

机械故障稀疏特征相似性度量优化研究

针对当前机械故障诊断研究忽略了对其参数的选取与优化,导致准确性较差等问题,提出基于量子遗传 算法优化的机械故障稀疏特征相似性度量方法。基于先进行信号非线性混合,再进行去混合。将峭度作为目 标函数,利用量子遗传算法,对盲源分离过程的分离矩阵参数与非线性去混合参数进行优化,实现机械故障盲 源分离。基于故障信号处理,利用量子遗传算法与最小二乘支持向量机(LSSVM: Least Squares Support Vector Machine)相结合实现机械故障稀疏特征相似性度量。当LSSVM在机械故障诊断时对模型参数选取,利用量子遗 传算法针对 LSSVM 模型参数进行优化。将 LSSVM 参数选取问题转换为优化问题,利用优化后的 LSSVM 分类 模型实现机械故障稀疏特征相似模式分类。实验结果表明,该方法可以实现高效盲源分离,机械故障诊断准确 率高,运行性能良好。     

基于联想记忆的Hopfield神经网络的设计与实现

介绍了反馈型神经网络Hopfield网络的定义、原理、模型和基本学习规则,并构造了一个用于联想记忆的Hopfield神经网络模型.对实验结果进行分析、比较,实验结果表明:Hopfield神经网络用于数字识别是可行、有效的;该方法较传统神经网络能提高网络的记忆能力和数字识别的正确率;该方法有别于以往的BP神经网络的模式识别,结合一些优化算法,如遗传算法,能对Hopfield神经网络的联想记忆稳态进行优化,增强神经网络的联想记忆能力.     

基于改进量子进化算法的稀疏特征提取方法

特征提取是进行模式识别的关键环节,利用稀疏分解将信号表达为具有一定结构特征的原子组合,为提取信号内部特征信息提供了一种有效途径.本文提出基于改进量子进化算法的稀疏特征提取方法,利用改进量子进化算法的并行性和全局搜索能力,使信号在过完备的原子库上实现快速精确的稀疏分解.对过完备的原子库进行量子比特概率幅编码,通过量子比特的交叉进化-变异操作更新原子库,以信号残差与原子的内积作为量子进化目标函数,筛选出最具信号结构特征的原子,凭借稀疏重构实现信号的特征提取.仿真信号和故障轴承振动信号的稀疏特征提取结果表明了所提方法的有效性和优越性.      

模式识别中不同记忆编码的模式和模板的匹配

通过一项全部报告实验和两项抽样汉字识别实验,探讨了模式识别中不同记忆编码的模式和模板如何匹配的问题.实验结果显示:全部报告实验中,待识别汉字模式平均转换到短时记忆的量为3.64个,比进入到感觉记忆中的信息量(8个)少得多,这表明感觉记忆信息向短时记忆的转换受到了约束;抽样汉字识别实验1中,匹配汉字模式识别量与其转换量之间无显著差异(p＞0.5),说明转换到短时记忆的信息被等消耗识别;抽样汉字识别实验2中,匹配汉字模式识别量约为其转换量的2倍,差异显著(p＜0.001),基于受约束转换和等消耗识别现象,由模式识别信息来源的判据的判据可知,模式识别直接利用了感觉记忆编码的模式信息.抽样汉字识别实验2中,与模式进行匹配的模板只具有短时记忆编码,因此,有理由认为:模式和模板能以不同的记忆编码直接匹配.     

Image Denoising via Improved Simultaneous Sparse Coding with Laplacian Scale Mixture

Image denoising is a well-studied problem closely related to sparse coding. Noticing that the Laplacian distribution has a strong sparseness, we use Laplacian scale mixture to model sparse coefficients. With the observation that prior information of an image is relevant to the estimation of sparse coefficients, we introduce the prior information into maximum a posteriori (MAP) estimation of sparse coefficients by an appropriate estimate of the probability density function. Extending to structured sparsity, a nonlocal image denoising model: Improved Simultaneous Sparse Coding with Laplacian Scale Mixture (ISSC-LSM) is proposed. The centering preprocessing, which admits biased-mean of sparse coefficients and saves expensive computation, is done firstly. By alternating minimization and learning an orthogonal PCA dictionary, an efficient algorithm with closed-form solutions is proposed. When applied to noise removal, our proposed ISSC-LSM can capture structured image features, and the adoption of image prior information leads to highly competitive denoising performance. Experimental results show that the proposed method often provides higher subjective and objective qualities than other competing approaches. Our method is most suitable for processing images with abundant self-repeating patterns by effectively suppressing undesirable artifacts while maintaining the textures and edges.     

基于改进稀疏编码模型的图像分类算法

针对图像表示,提出了一种基于改进稀疏编码模型的图像分类算法.首先,提取表示图像视觉局部特征的SIFT (Scale Invariant Feature Transform) 描述子;然后,利用稀疏编码方法生成基于SIFT描述子的视觉词汇库,将SIFT描述子编成稀疏向量;通过有效稀疏向量的区域融合和空间结合而获取整体的稀疏向量并用于图像表示;最后,采用随机森林多分类器对稀疏向量进行训练和测试.结果表明,与现有的算法相比,该算法的性能更佳,可以有效表示图像的特性并提高其分类的准确率.     

基于量子测量的量子计算模型综述

基于测量的单向量子计算是重要的通用量子计算模型,可以模拟一般量子计算任务。单向量子计算基于量子簇态作为计算资源,利用每个量子位的局部量子测量和经典通信执行一般量子计算。单向量子计算是与量子线路模型等价的量子计算模型。近年来,研究者们对单向量子计算的量子资源、纠缠度量、局部操作简化,以及量子通信等给出一系列研究成果,并基于光学平台开展了一些量子模拟实验。量子簇态与单向量子计算为一般量子计算提供非常好的量子任务处理方式,受到研究者们的广泛关注。该文主要总结基于测量的单向量子计算模型,包括重要的量子资源态、局部信息处理方式,以及与单向量子计算相关的研究;该文对单向量子计算存在的问题和前沿研究方法进行展望,为研究者提供借鉴。     

基于广义规范Huffman树的高效编解码算法

为了减少编码时消耗的时间和空间,以便适应实时处理,提出了基于广义规范Huffman树的高效数据压缩算法。该算法利用层次和概率表顺序,保证编、解码的唯一性;利用移动排序替代搜索;建立索引表来简化排序操作;融入均衡编码的思想。同时,根据编码思想提出了相应的解码算法。通过实际数据验证,与传统的Huffman算法相比,该算法在时间和空间效率上有了一定提高,且使得码字更为均衡。