| 【中文题名】 | 带树突的形态神经网络研究 |
| 【英文题名】 | Research on Morphological Neural Network Endowed with Dendrites |
| 【学科专业】 | 软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-10 |
| 【中关键词】 | 神经网络,数学形态学,树突,覆盖算法,, |
| 【英关键词】 | Neural Network,Mathematic Morphology,Dendrite,Covering Algorithm, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 | 带树突的形态神经网络是一种全新的神经计算方法，它将树突过程引入形态神经元模型，从而使人工神经元更接近于实际的生物模型。由于这些优势，带树突的形态神经网络目前已被广泛应用于图像处理和模式识别等智能信息研究领域。本文对带树突的形态神经网络做了较深入的研究，主要研究内容及所获得的成果如下：
(1) 对图像代数进行了分析，建立了图像代数与神经网络模型之间的联系；
(2) 对引入了树突过程的形态神经网络进行研究，通过分析已有的带树突的单层形态感知器学习算法，得出树突计算的一些几何特性；
(3) 根据模式的位置信息，提出带树突的形态联想存储器的相关参数选取方法，通过参数的适当选取增强带树突的形态联想存储器的鲁棒性；
(4) 通过用树突输出的超维方框代替覆盖算法中的“球形领域”，对覆盖算法进行改进。基于这一改进，提出一种既能调整带树突的多层形态感知器的自由参数，又能确定其结构的学习算法；
(5) 编制实现带树突的形态联想存储器和多层形态感知器的程序，并应用这些神经网络解决图像复原和模式分类等问题，以验证其有效性。
最后，本文对所... |
| 【论文题纲】 |
|
中文摘要 |
3-4 |
|
Abstract |
4-8 |
|
第一章 绪论 |
8-12 |
|
1.1 发展历程及其优势 |
8-10 |
|
1.2 主要研究内容和研究思路 |
10 |
|
1.3 主要研究成果 |
10-12 |
|
第二章 形态神经网络 |
12-33 |
|
2.1 基本原理 |
12-19 |
|
2.1.1 数学形态学 |
12-14 |
|
2.1.2 数学形态学与神经网络 |
14-18 |
|
2.1.3 形态神经网络的计算能力 |
18-19 |
|
2.2 形态联想存储器模型 |
19-22 |
|
2.3 形态感知器模型 |
22-24 |
|
2.4 带树突的形态神经网络 |
24-32 |
|
2.4.1 神经元及其过程 |
25-26 |
|
2.4.2 带树突结构的形态神经元模型 |
26-28 |
|
2.4.3 带树突的单层形态感知器的学习算法 |
28-29 |
|
2.4.4 带树突的形态联想存储器 |
29-32 |
|
2.4.4.1 噪声允许参数的计算方法 |
30-31 |
|
2.4.4.2 实验结果 |
31-32 |
|
2.5 小结 |
32-33 |
|
第三章 覆盖算法 |
33-39 |
|
3.1 M-P神经元的几何意义 |
33-35 |
|
3.1.1 超平面表示 |
33-34 |
|
3.1.2 超球面上“领域”(neighborhood)表示 |
34-35 |
|
3.2 覆盖算法(covering algorithms) |
35-38 |
|
3.2.1 交叉覆盖算法 |
36-38 |
|
3.3 覆盖算法的推广 |
38-39 |
|
第四章 基于覆盖算法的带树突的多层形态感知器 |
39-47 |
|
4.1 形态交叉覆盖算法 |
39-42 |
|
4.1.1 交叉覆盖算法的分析及改进 |
39-40 |
|
4.1.2 形态交叉覆盖算法的提出 |
40-42 |
|
4.2 带树突的多层形态感知器模型 |
42-43 |
|
4.3 实验结果 |
43-46 |
|
4.4 小结 |
46-47 |
|
第五章 研究总结与展望 |
47-49 |
|
参考文献 |
49-53 |
|
攻读硕士学位期间所做的科研工作 |
53-54 |
|
致谢 |
54-55 |
|
中文详细摘要 |
55-57 |
|
| 【DOI】 | LunWen.ID:2.2008.388112 |
