基于生物机制脉冲神经网络的特征提取.docxVIP

基于生物机制脉冲神经网络的特征提取 　　摘要：脉冲神经元可以被用于处理生物刺激并且可以解释大脑复杂的智能行为。脉冲神经网络以非常逼近生物的神经元模型作为处理单元，可以直接用来仿真脑科学中发现的神经网络计算模型，输出的脉冲信号还可与生物神经系统对接。而小波变换是一个非常有利的时频分析工具，它可以有效的压缩图像并且提取图像的特征。本文中将提出一种与人类视觉系统的开/关神经元阵列相结合的脉冲神经网络，来实现针对视觉图像的快速小波变换。仿真结果显示，这个脉冲神经网络可以很好地保留视觉图像的关键特征。　　关键词：快速小波变换；脉冲神经元网络；图像压缩；特征提取　　中图分类号：TP183文献标识码：A　　1引言　　众所周知，拥有超级智能的大脑通过一个非常庞大且复杂的神经网络来处理信息。随着脑神经科学研究进展，发现了许多大脑处理感知信息的神经网络计算模型。Hodgkin-Huxley脉冲神经元模型于1952年由Hodgkin和Huxley提出。以此神经元模型为基础，之后的科研工作者提出了一套更加靠近生物神经网络的脉冲神经网络理论，这被称为第三代人工神经网络。脉冲神经网络以非常逼近生物的神经元模型作为处理单元，可以直接用来仿真脑科学中发现的神经网络计算模型，输出的脉冲信号还可与生物神经系统对接。因此，可将脑神经科学与人工智能科学有机地结合起来，这对于人工智能系统和计算机视觉的研究有重要意义。近年来基于这种模型的神经网络的研究层出不穷[1-3]。但是这种模型一旦被应用于大型网络仍将会面临非常复杂的计算量[4]。因此，针对脉冲神经元网络中的各个单个神经元，我们将使用简化后的基于电导率的累积放电模型进行计算[5]。在人类视觉系统中，从初级视觉皮层中的细胞到视网膜和外侧膝状体核中的简单细胞都有着不同的感受野[6-8]。视觉图像在这些神经元中以脉冲训练的形式通过ON或OFF通道进行传输[9-10]。假设每一个神经元都接收来自开神经元的激励型突触和关神经元的抑制型突触的脉冲训练。不同的开/关通路以一种生物方式被用于构建特定的网络[11]。在神经网络的研究方面，国内学者也有着出色的进展。如蔺想红等人在脉冲神经网络的理论研究方面进行了细致的研究[12-13]，而在其应用方面也有着可喜的进展，具体可