细胞神经网络

摘要： 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.该文提出的忆阻细胞神经网络可以减小电路尺寸,提高运算速度,电路结构具有更紧凑、更通用的优点,有助于促进人工神经网络的硬件实现.

摘要： 对视频图像使用传统的单幅图像加密算法,容易出现算法耗时长、效率低等问题。为提高视频图像加密效率,通过使用细胞神经网络(CNN)超混沌系统和Logistic混沌映射,提出一种单帧逐一加密和多帧组合加密相结合的算法。根据视频帧使用SHA-256生成Logistic初值,经过Logistic映射迭代得到Logistic混沌序列,利用生成的混沌序列对视频帧逐帧扩散。将视频帧以二进制的形式组合成一个矩阵,把根据组合矩阵产生的初值代入CNN超混沌系统,利用得到的混沌序列对组合矩阵进行置乱,视频所有帧各像素点扩散、置乱一步完成,从而缩短加密时间。在此基础上,将组合矩阵重新分解为单帧图像,得到最终加密的视频图像。实验结果表明,在算法中使用高维超混沌系统安全性更高,能够有效缩短加密视频图像的耗时,且能抵抗统计攻击、差分攻击和暴力攻击,具有较好的安全性。

摘要： 基于细胞神经网络(Cellular Neural Network,CNN)的逻辑差运算模板(Logic Difference template,LOGDIF)能够对两幅二值图像进行逻辑差运算,文章深入研究了基于细胞神经网络的LOGDIF模板,设计了一个二值图像逻辑差运算CNN模板的参数规则,并进行了数学证明。当CNN图像处理的模板参数在本文设计的规则范围内时,便可以对两幅二值图像进行逻辑差运算。最后,实验仿真证明了参数规则的合理性。

摘要： 针对目前细胞神经网络的电路模型中鲜有人考虑系统延时的问题,提出一种异时滞分数阶细胞神经网络模型.用Matlab数值仿真结果表明理论可行,再借助Multisim软件分别构造输出函数单元电路、分数阶单元电路,用带LCL低通滤波的有源电路在一定频率附近产生固定时滞值τ,研究不同时滞组合下系统的混沌特性.电路仿真结果表明,改变系统某参数的值可使异时滞系统产生与Matlab数值仿真相似的混沌相图,从而证实异时滞分数阶细胞神经网络的物理可实现性和系统鲁棒性,相比于无时滞系统更具现实意义和工程价值.

摘要： 利用Razumikhin技术和Lyapunov函数方法,分析了比例时滞脉冲细胞神经网络的指数稳定性,获得了比例时滞细胞神经网络全局指数稳定的一个新的充分判据,所得结果推广了已有文献的结果.

摘要： 研究了一类具有多比例时滞的细胞神经网络的全局同步问题.通过构造Lyapunov辅助函数,得到了细胞神经网络在自适应控制策略下的同步判别准则,推广了先前的一些结果,消除了激活函数有界性、可微性和单调性的限制.

摘要： 为提高二维图像加密的效果,提出一种将像素置乱和像素替换相结合的图像加密方法.首先,利用位平面分解处理明文图像,接着利用幻方变换置乱方法分别对8个位平面进行像素置乱加密预处理,然后对4个高位平面使用五阶细胞神经网络(CNN)超混沌系统产生的超混沌序列进行像素替换的再次加密.实验结果表明:加密后图像的信息熵可达到7.986,体现出较高的随机性;实现了对加密图像直方图的改变,降低了像素间的关联性.该方法有效地提高了二维图像的加密效果和抗攻击能力.

摘要： 为了克服单一特征不能准确的解释图像的问题,提出了基于细胞神经网络(cellular neural network,CNN)多特征相似性的图像融合方法.对源图像进行非下采样剪切波变换(non-subsampled shearlet transform,NSST),然后提取系数的区域能量、区域方差和上下文隐马尔可夫模型(contextual hidden markov model,CHMM)的统计特征,将它们输入CNN中得到二值化的多特征综合相似性,利用多特征综合相似性对图像的信息冗余和互补区域进行分割,对不同的区域采用不同的融合策略,提高融合图像的清晰度.实验结果表明,算法具有优越的融合性能.

摘要： 基于细胞神经网络(cellular neural network,CNN)的最优边缘检测(optimal edge detector,OED)的研究,设计出一个3阶CNN算法模板的参数规则.规定CNN的反馈模板为0矩阵,阈值为0,控制模板为中心反对称矩阵,并且它的中心元素为0,其余8个元素中的一组(4个)元素绝对值的和不为0.仿真结果表明,使用5阶CNN算法、3阶CNN算法和拉普拉斯算法对同一幅图像进行处理时,平均耗时分别为0.0716,0.0385,0.0297 s,3阶CNN浮雕处理算法的耗时几乎与拉普拉斯算法的相等,但视觉效果显著优于5阶CNN算法和拉普拉斯算法.表明3阶CNN浮雕处理算法可以快速、有效地实现对图像的浮雕效果处理,所设计的3阶CNN算法模板的参数规则是合理有效的.

摘要： 基于细胞神经网络(CNN)和并行压缩感知(CS)提出了一种高安全性的非可视化图像加密算法,旨在提高现有加密算法的信息传输效率以及减少存储空间.首先明文图像的小波系数经过阈值处理和索引置乱后,利用受控的部分哈达玛矩阵对其进行并行压缩,接着执行费雪耶兹行列置乱和加模操作,然后再将部分加密图像分割并通过最低有效位(LSB)嵌入算法随机地隐藏到剩余加密图像的alpha通道中生成最终的类噪声密文图像,具有超混沌特性的CNN所产生的伪随机序列用于构造置乱、扩散以及受控测量矩阵.最后,通过一系列的安全性分析表明,该算法具有很高的传输效率和安全性.

摘要： 本文对L.O.Chua等人提出的细胞神经网络模型进行了定性分析,本文利用Ляпунов函数和Young不等式先后证明了该系统是一个耗散系统,系统平衡点的唯一性,系统解的全局稳定与全局指数稳定性,最后证明了周期解的存在性.

摘要： 论文研究图特征数据的识别和提取方法.借助细胞神经网络人工智能技术,对示功图进行特征提取.在分析研究细胞神经网络的基本结构、网络稳定性、模板设计方法的基础上,根据细胞神经网络技术的特点和示功图原理,实现了对示功图的凸点提取、空穴填充、连通分量数探测功能.通过MATLAB实现细胞神经网络计算机模拟,形成了一种通过分析示功图像素间基本关系提取示功图特征的方法,分析示功图水平、竖直及±45°方向连通分量数分布特点,对智能诊断抽油机工况具有一定的理论意义和实践价值.

摘要： 细胞神经网络(CNN)作为一种并行处理器，在图像处理中有着广阔的发展前景。本文就CNN在图像处理中的应用作了较为深入的论述，并将传统算法与CNN算法在图像处理中的应用效果作了比较。然后，以图像边缘探测任务为例，利用Matlab对同一幅灰度位图进行仿真对比实验。实验结果表明：CNN在高速并行计算方面有着传统方法所无法比拟的优势，并证实CNN在图像处理方面所具有的可行性、鲁棒性和高效性等特点。

摘要： 基于一个新的混沌细胞神经网络(CNN)和Henon映射,本文建立了一个图像加密方案.该方案能够加密计算机所能识别的大部分格式的灰度图像,接收者能够无损地利用本方案恢复明文.本方案对初始条件和系统参数扰动极为敏感,任何大于10的扰动将使解密失效.对方案的密钥空间、密钥参数敏感性和加密图像的相关性分析表明本方案具有较高的安全性.

摘要： 针对一类多重时滞细胞神经网络,利用Lyapunov稳定性理论方法进行指数稳定性分析,给出基于线性矩阵不等式(LMI)的指数稳定性定理.首先通过状态变换,得到该神经网络的等价模型.然后,构造出合适的Lyapunov泛函,并运用线性矩阵不等式理论方法,得到了多重时滞神经网络在常时滞和时变时滞两种情况下指数稳定的一系列充分条件.本文所提出的方法保守程度低,容易利用标准的Matlab-LMI工具来进行仿真验证,同时也适用于其它具有递归神经网络的稳定性分析.

摘要： 图像中目标物体的轮廓探测是目标识别和计算机视觉系统的第一步也是关键一步。提出了 一种基于细胞神经网络（Cellular Neural Network ，CNN ）的轮廓线探测改进算法。该算法中CNN 模板参数（模板系数）是根据局部窗口内各像素与中心像素间的灰度和空间关系计算的，即模板 参数的计算不仅考虑了局部窗口内各像素与中心像素的灰度值差异，而且顾及了窗口内各像素与 中心像素间的空间距离。实验结果表明，相对于其它两种轮廓探测算法，提出算法的探测效果较 好。

摘要： 为了充分利用QuickBird多光谱影像的光谱信息和全色影像的高空闻分辨率信息,提出了一种基于细胞神经网络(CNN)的QuickBird多光谱和金色遥感影像融合方法。实验结果表明,相对于传统的影像融合算法,提出的方法具有更好的性能。

摘要： 细胞神经网络(CNN)是一种实时处理信号的大规模非线性模拟电路,它的连续时间特点以及局部互连特点使其可以进行并行计算,并且非常适用于超大规模集成电路(VLSI)的实现.本文针对X射线康普顿背散射图像的处理问题,提出了一种新的基于CNN 的康普顿背散射图像滤波及分割方法,并在此基础上又提出了一种基于CNN和数学形态学的孤立点滤除方法.这两种方法为并行处理算法,具有运算量小、易于大规模VLSI 集成实现,可以使康普顿背散射图像得到在线的实时处理.

摘要： 分别采用Otsu法和CNN两种方法对疵点图像进行了分割.在比较两种图像分割技术的基础上,提出了一种对于图像增强的预处理方法.用带有破洞、横路和漏针的纬编罗纹针织物作为材料进行实验.结果表明,所提出的图像增强方法对疵点的分割有很好的促进作用.

摘要： 分别采用Otsu法和CNN两种方法对疵点图像进行了分割.在比较两种图像分割技术的基础上,提出了一种对于图像增强的预处理方法.用带有破洞、横路和漏针的纬编罗纹针织物作为材料进行实验.结果表明,所提出的图像增强方法对疵点的分割有很好的促进作用.

摘要： 本发明提供一种不需要偏置的神经网络电路装置、神经网络、神经网络处理方法和神经网络的执行程序。二值化神经网络电路(100)具有：输入输入值x1～xn(xi)(二值)的输入节点和输入权重w1～wn(wi)(二值)的输入部(101)；XNOR门电路(102)，其接收输入值x1～xn和权重w1～wn，且进行XNOR逻辑运算；求和电路(103)，其求出各XNOR逻辑值的总和；批归一化电路(41)，其通过扩大归一化范围且使中心位移的处理来修正由二值化导致的分布不平衡；和激活函数电路(35)，其使用激活函数fsgn(B)对信号B进行转换，其中所述信号B是对求出总和之后的信号Y进行批归一化得到的信号。

摘要： 本发明提供一种无需批归一化电路的神经网络电路装置、神经网络、神经网络处理方法及神经网络的执行程序。二值化神经网络电路(100)具备：输入输入值x1～xn(xi)(二值)的输入节点及输入加权w1～wn(wi)的输入部(101)、接收输入值x1～xn及加权w1～wn并采用XNOR逻辑的XNOR门电路(102)、输入多位偏置W'的多位偏置W'输入部(110)、取各XNOR逻辑值和多位偏置W'的总和的求和电路(103)及对于取总和后的信号Y仅输出符号位的激活电路(120)。

摘要： 本发明提高数据并行型分散学习的吞吐量。神经网络系统具有存储器和访问存储器的多个处理器，多个处理器中的每一个处理器在多次学习中的每一次学习中，基于训练数据的输入和神经网络内的参数执行神经网络的运算来计算神经网络的输出，计算计算出的输出与训练数据的教师数据的差分相对于参数的梯度或者基于梯度的更新量，(1)在梯度或者更新量的累积不小于阈值的第一情况下，执行多个处理器将分别计算出的多个梯度或者更新量的累积发送到多个处理器内的其它的处理器来汇集多个梯度或者更新量的累积，接收汇集后的梯度或者更新量的累积，用汇集后的梯度或者更新量的累积更新参数的第一更新处理，(2)在梯度或者更新量的累积小于阈值的第二情况下，执行多个处理器不进行基于发送的多个梯度或者更新量的累积的汇集，用多个处理器分别计算出的梯度或者更新量更新各自的参数的第二更新处理。

摘要： 本公开涉及训练神经网络的方法、训练神经网络的系统以及神经网络。一种用于训练第一神经网络，以在图像输入到第一神经网络时，检测在该图像上可见并且属于给定对象类别的对象的视点的方法，包括：提供不同视点下的多对图像的数据集，提供被配置成能够得出对象的外观信息的第二神经网络，提供被配置成能够使用外观信息和视点，得出所述类别的对象的合成图像的第三神经网络，联合训练第一神经网络、第二神经网络和第三神经网络。

摘要： 根据本发明的分布式处理用人工神经网络运算加速装置可以具有：外部主存储器，存储针对输入神经元的输入数据和突触权重；内部缓冲存储器，存储构成所述人工神经网络运算的各个循环所需的突触权重和输入数据；DMA模块，用于与所述外部主存储器及内部缓冲存储器直接发送和接收数据；神经网络运算装置，针对构成人工神经网络运算的各个循环重复地处理以下一系列顺序过程：读取存储在所述内部缓冲存储器的突触权重和输入数据、执行人工神经网络运算、将运算结果存储在所述外部主存储器；CPU，用于控制在所述外部主存储器和内部缓冲存储器存储针对输入神经元的输入数据和突触权重的操作和所述神经网络运算装置的运行；及通用通信中介块，可以与无关集成电路的类型地以物理方式连接的其他加速装置发送和接收针对所述输入神经元的输入数据和突触权重以及在所述神经网络运算装置执行的运算结果。

摘要： 一种卷积神经网络(CNN)处理装置(1)，设置有：输入缓冲器(10)，用于存储要对CNN应用的输入信号A；权重缓冲器(11)，用于存储权重U；卷积运算单元(12)，执行包括输入信号A与权重U之间的乘积‑求和运算的卷积运算；存储单元16，存储表(160)，在该表中，转换‑量化处理的输入与输出彼此相关联，其中，转换‑量化处理接受卷积运算的运算结果作为所述输入，基于预定条件来转换输入值，通过降低转换后的数据的比特精度来进行量化，并且输出结果；以及处理单元(14)，参考表(160)以获取转换‑量化处理的与卷积运算的运算结果相对应的输出。

摘要： 本发明提供一种能够通过减少存储器数量而将其配置在芯片上的神经网络电路装置、神经网络处理方法和神经网络的执行程序。三状态神经网络电路(200)具有非零卷积运算电路(21)、求和电路(22)和激活函数电路(23)，其中，所述非零卷积运算电路(21)在中间层中接收用于进行卷积的输入值Xi和权重Wi来进行卷积运算；所述求和电路(22)求取通过卷积运算得到的各运算值和偏置W0的总和；所述激活函数电路(23)用激活函数f(u)对求取总和得到的信号Y进行转换。非零卷积运算电路(21)跳过权重Wi为零的权重，来根据非零权重和与该非零权重对应的输入值Xi进行卷积运算。

摘要： 本发明提供了一种生成训练神经网络的训练数据的方法、训练神经网络的方法和利用神经网络进行自主操作的方法，以及相关设备和系统。一方面，提供了一种训练用于环境中对象的自主操作的神经网络的方法，包括：基于样本数据集生成策略值；基于所述策略值生成近似动作值函数；通过所述近似动作值函数为所述样本数据集中的所有状态以及所有可能动作生成近似策略值集；基于近似策略值计算所述神经网络的训练目标；计算训练误差作为所述训练目标和所述样本数据集中对应的状态动作对的策略值之间的差值；更新所述神经网络的至少一些参数以最小化所述训练误差。

摘要： 本实用新型提出了广告传媒投放终端中基于细胞神经网络或卷积神经网络的用户识别系统，属于人工智能技术领域。本实用新型以细胞神经网络或卷积神经网络为核心，利用广告播放终端已有的摄像头、存储介质、微处理器、音频输出设备和供电设备等以及外置摄像头等，构成基于CNN技术的具有广告接收用户群体特征识别的多媒体广告精确推送终端。所述的终端像人类视觉系统一样，具有“看懂”世界的能力，基于识别到的人群的特征，依靠识别的图像/视频内容，可以更为精确的针对用户的行为和喜好给播放对象最可能感兴趣的图像或者视频广告信息，提高广告投放精准度及广告投放效率，优化广告投放资源。

摘要： 本实用新型提出了基于细胞神经网络或卷积神经网络的医学影像识别诊断系统，属于人工智能技术领域。本实用新型以细胞神经网络或卷积神经网络芯片为核心，利用与医学影像设备或与医学影像设备相连接的计算机已有的摄像头、内存、微处理器、喇叭/耳机和电源等，构成具有深度学习功能的医学影像诊断识别系统，克服了现有大规模深度神经网络或深度学习芯片的不足，具有集成度高、功耗小、计算速度快、配置灵活等特点。系统通过阅读足够量的影像数据，使机器学会“看”图像，并通过不断学习专家的诊断方式，达到“看懂”图像，使机器具备辅助医生对病人病症做出更精准的分析诊断的能力，并将这种诊断认知高度精确化。