基于菌群优化Spiking神经网络的渲染时间估计 |
| |
引用本文: | 胡博,章毅,蔡柳萍.基于菌群优化Spiking神经网络的渲染时间估计[J].南京理工大学学报(自然科学版),2023(2):214-220. |
| |
作者姓名: | 胡博 章毅 蔡柳萍 |
| |
作者单位: | 1. 广东外语外贸大学南国商学院;2. 湖南大学环境科学与工程学院;3. 菲律宾圣保罗大学研究生院 |
| |
基金项目: | 国家重点研发计划课题(018YFC0213905); |
| |
摘 要: | 为了提高三维模型渲染时间估计的准确度,采用Spiking神经网络算法进行渲染时间预估。目前,基于Spiking理念的神经网络模型有多种,选择了其中的卷积Spiking神经网络(Convolutional Spike neural network, CSNN)来实现渲染时间计算。首先,建立了基于CSNN的渲染时间预估模型。通过点火时间序列完成编码,从而触发脉冲响应实现数据传递。其次,利用CSNN的权重、卷积核尺寸、偏置等参数来构建菌群优化(Bacterial foraging optimization, BFO)算法,并以渲染时间预估值和实际值的差值作为适应度函数。通过驱化、繁衍和迁徙操作不断更新菌群个体的适应度值来获得最优个体。最后,以最优参数进行CSNN的渲染时间预估。试验结果表明,通过合理设置BFO算法的引力系数、斥力系数和迁徙概率阈值等参数,BFO+CSNN算法能够获得较高的渲染时间预估准确率。相比于其他渲染时间预估算法,BFO+CSNN算法具备更高的渲染时间预估准鲁棒性。
|
关 键 词: | Spiking神经网络 渲染时间 菌群优化 卷积神经网络 |
|
|