分享到:

有灰阶图象轮廓检测的细胞神经网络设计和应用

有灰阶图象轮廓检测的细胞神经网络设计和应用苏宁,张立明(专用集成电路与系统国家重点实验室)提要提出了一种用CNN网络检测有灰阶图象轮廓的方法,与标准的CNN网络不同的是,这种网络的输入系数矩阵随图象的灰质而变.文章论述了该网络的原理、结构和设计,并用计算机进行了模拟,得到了良好的结果.关键词细胞神经网络(CNN);轮廓检测;模板中留法分类号TPIS细胞神经网络(CNN)是近年迅速发展起来的一种局部联接的反馈式神经网络,与典型的全联接Hopfield网络相比,具有局部联接和动态电路性能,便于集成,因而在电路硬件实现上具有广阔的前景.设CNN是一个mXn的格形网络,C(U)表示第i行第j列的神经元,它的状态、输人、输出分别用Aijij、Vxij、Vyij、Vuo表示.它的基本公式为l']Vv;;(O-一Vv;;O)+)、儿。。l〔V,。,O)V*。h)+)、B。;。;〔V。IO).V。;;(矿》干Lk.I6N.(i.i"'"k.I6...  (本文共6页) 阅读全文>>

《华中师范大学学报(自然科学版)》1940年20期
华中师范大学学报(自然科学版)

细胞神经网络的定性研究

细胞神经网络的定性研究廖晓昕(数学系)关键词细胞神经网络,耗散性,稳定性,周期解中图分类号0231美国伯克莱加利福尼亚大学Chua教授首创性地提出了细胞神经网络(CNN)理论[1]与应用[2].由于其巨大的潜在应用价值和经济效益,CNN现已成为神经网络中的新研究热点.1990年9月和1992年6月分别在布达佩斯和慕尼黑召开的两次国际CNN会议及近100篇论文问世,可见一斑.然而,仔细地阅读CNN理论的创始篇[1],人们可以发现其数学理论问题不少.人们赞尝CNN广阔的应用前景,但不能认为CNN理论的创始篇[1]建立了完善的、严谨的数学理论基础.本文就是对CNN的数学理论重新进行深入细致的研究,得到了一系列理论性结果.期望支持其壮观的、广阔的应用前景.沿用文[1]的CNN方程及一些记号,但略去其电路图.考虑CNN的状态方程并且假定A(i,j,k,l)=A(k,l,i,j),C>0,Rx>0.(本文相当一部分结果可取消约束条件和参数对...  (本文共5页) 阅读全文>>

《南京邮电学院学报》1940年40期
南京邮电学院学报

离散时间细胞神经网络中的分岔和混沌

离散时间细胞神经网络中的分岔和混沌陈汉洲(南京邮电学院基础课部,南京,210003)戴明德(伊里诺大学数学系,伊里诺州60681,厄拜纳)吴新余(南京邮电学院基础课部,南京,210003)摘要研究了离散时间细胞神经网络(DTCNN)中的分岔和混沌,DTCNN中的细胞与连续时间CNN中的细胞相似,具有局部耦合,其输出方程是罗切斯蒂方程。分别讨论了2种结构(有边界和无边界)的DTCNN的混沌特性,DTCNN的混沌与全局耦合系统一的混沌相似,但由于其局部耦合的结构,其混沌与后者有所不同。提出了有关分岔与混沌的一些有兴趣的理论问题和实际问题.关键词:细胞神经网络,分岔,混沌本图法分类号:TP18BifurcationandChaosinDiscrete-TimeCellularNearalNetworks¥ChenHanzhou;DaiMingde(DepartmentofBasicCources,NanjingInstituteofP...  (本文共9页) 阅读全文>>

《南京邮电学院学报》1950年10期
南京邮电学院学报

论细胞神经网络的稳定性

论细胞神经网络的稳定性廖晓昕,吴新余(华中师范大学数学系,武汉,430074)(南京邮电学院基础课部,南京,21003)陈惠开(伊里诺大学电气工程和计算机科学系,伊里诺州60607,芝加哥)摘要研究了细胞神经网络的耗散性及其平衡点的存在性、唯一性和全局渐近稳定性。推广了先前有关CNN稳定性的一些结果。关键词细胞神经网络,稳定性,平衡点中图法分类号:TP18第1作者廖晓昕,57岁,男,教授OnStabilityofCellularNeuralNetworks(Ⅱ)¥LiaoXiaoxin;WuXinyu(DepartmentofMathematics,HuazhongNormalUnications,210003,Nanjing,PRC)(DepartmentofBasicCources,NanjingInstituteofpostsandTeleeommunications,210003,Nanjing,PRC)ChenWaik...  (本文共8页) 阅读全文>>

《南京邮电学院学报》1950年10期
南京邮电学院学报

细胞神经网络在地图识别中的应用

细胞神经网络在地图识别中的应用吴新余,杨涛(南京邮电学院基础课部,南京,210003)(上海同济大学自动化系,上海,200072)陈惠开(伊里诺大学电气工程与计算机科学系,伊里诺州60607,芝加哥)摘要一幅图形元素的轮廓线的表示等价于具有不同最小检测宽度的直线的表示,在本文中,基于细胞神经网络(CNN)理论,提出了一种提取和分离地图元素的方法。还给出了提取和分离一个小街区网络图的结果。模拟结果是令人满意的。关键词:地图识别,细胞神经网络,应用,最小检测宽度中图法分类号:TP18第1作者吴新余,55岁,男,教授TheApplicationofCellularNeuralNetworkstoMapRecognition¥WuXinyu;YangTao(DepartmentofBasicCources,NanjingInstituteofpostsandTeleeommunications,210003,Nanjing,PRC)(D...  (本文共7页) 阅读全文>>

《同济大学学报(自然科学版)》1950年10期
同济大学学报(自然科学版)

基于细胞神经网络的地图识别方法

基于细胞神经网络的地图识别方法杨涛(同济大学电气工程系,上海,200092)摘要地图要素的轮廓描述相当于对不同粗度的线的描述.本文在细胞神经网络理论基础上,提出了一种以轮廓线最小检测宽度为依据的地图要素的识别和分离方法.该方法在细胞神经网络领域内具有潜在的应用前景.关键词细胞神经网络,地图,最小检测宽度中图法分类号TP391地图的要素有水系、地貌、植被、居民点、交通、境界及独立地物7类.此外还有注记.在地图识别中一般将地图中的表示符号看作他们各自的轮廓.现在虽能用扫描仪或传真机将地图输人计算机,但计算机不能自动提取其中的地理信息.由于地图精度高、信息量大,用人工的方法提取其信息的效率太低,所以要设法用计算机从地图的图像数据中提取隐含其中的信息,从而实现地图的自动识别.由于地图各要素轮廓线呈随机变化,其粗细纹理有所不同,频繁出现交叉和分支现象,有封闭和不封闭之分.这给要素的跟踪识别带来了很大的困难.在处理相近的轮廓线的交叉时,一般...  (本文共6页) 阅读全文>>