脉冲神经网络原理及应用PDF|Epub|txt|kindle电子书版本网盘下载

脉冲神经网络原理及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 脉冲神经网络概述1

1.1 引言1

1.2 人工神经网络及其发展2

1.2.1 生物神经系统及构成2

1.2.2 人工神经网络的定义4

1.2.3 人工神经网络的发展5

1.3 脉冲神经网络的研究现状10

1.3.1 脉冲神经网络的拓扑结构10

1.3.2 信息的脉冲序列编码方法14

1.3.3 脉冲神经网络的学习算法15

1.3.4 脉冲神经网络的进化方法18

1.4 脉冲神经网络的应用领域18

1.4.1 信息领域中的应用19

1.4.2 生物医学领域中的应用19

1.4.3 社会经济领域中的应用20

1.4.4 其他领域中的应用20

参考文献21

第2章 脉冲神经元的建模与分析27

2.1 引言27

2.2 生物神经元结构及脉冲发放27

2.2.1 生物神经元的基本结构28

2.2.2 神经元脉冲的发放过程29

2.3 脉冲神经元的建模方法32

2.3.1 神经元的房室建模方法32

2.3.2 脉冲神经元的建模层次34

2.4 单房室脉冲神经元模型36

2.4.1 生物可解释性的生理模型36

2.4.2 脉冲生成机制的非线性模型39

2.4.3 固定阈值的脉冲发放模型41

2.4.4 分段线性化的解析模型45

2.5 神经元的神经计算特性50

2.5.1 生物神经元的神经计算特性50

2.5.2 脉冲神经元模型的分析比较52

2.6 生物皮层神经元的模拟54

2.6.1 生物皮层神经元54

2.6.2 模拟结果与比较57

2.7 本章小结58

参考文献59

第3章 脉冲神经网络的模拟策略64

3.1 引言64

3.2 脉冲神经网络模拟及分类65

3.2.1 脉冲神经元的混合系统表示65

3.2.2 脉冲神经网络模拟策略分类65

3.3 时钟驱动模拟策略及分析66

3.3.1 神经元模型的数值计算方法66

3.3.2 时钟驱动模拟的算法描述67

3.3.3 时钟驱动算法的时间复杂度68

3.4 事件驱动模拟策略及分析70

3.4.1 事件驱动模拟的算法描述70

3.4.2 事件驱动算法的时间复杂度73

3.4.3 事件驱动模拟策略的发展73

3.5 电压驱动模拟策略及分析74

3.5.1 电压驱动模拟的算法描述75

3.5.2 电压驱动算法的时间复杂度76

3.6 脉冲频率自适应模型的模拟77

3.6.1 脉冲频率自适应神经元模型77

3.6.2 神经元的事件驱动模拟策略80

3.6.3 脉冲神经网络模拟实验结果80

3.7 本章小结84

参考文献85

第4章 神经信息的脉冲序列编码方法91

4.1 引言91

4.2 神经信息的编码问题92

4.2.1 神经信息编码的定义92

4.2.2 编码与解码的计算过程94

4.3 神经信息的编码时间窗口95

4.3.1 编码过程的时间尺度特性95

4.3.2 编码与整合时间窗口的关系96

4.4 基于脉冲频率的编码方法97

4.4.1 基于脉冲计数的频率编码97

4.4.2 基于脉冲密度的频率编码99

4.4.3 基于群体活动的频率编码100

4.5 脉冲精确定时的编码方法101

4.5.1 首脉冲触发时间编码102

4.5.2 延迟相位编码103

4.5.3 脉冲序列编码105

4.6 神经元群体的编码方法107

4.7 本章小结109

参考文献110

第5章 脉冲序列的相似性度量方法116

5.1 引言116

5.2 脉冲序列的表示与内积定义117

5.2.1 脉冲序列的函数化表示117

5.2.2 脉冲序列的内积定义118

5.2.3 脉冲序列内积的性质119

5.3 基于区间脉冲计数的相似性度量方法121

5.4 基于脉冲时间匹配的相似性度量方法122

5.4.1 非置换同时系数相似性度量122

5.4.2 Victor-Purpura相似性度量123

5.4.3 Hunter-Milton相似性度量125

5.5 基于脉冲序列内积的相似性度量方法125

5.5.1 van Rossum相似性度量125

5.5.2 基于线性核的相似性度量126

5.5.3 基于非线性核的相似性度量128

5.5.4 基于组合核的相似性度量128

5.6 脉冲序列群体的相似性度量方法129

5.6.1 基于角间距的相似性度量130

5.6.2 基于距离的相似性度量130

5.7 本章小结130

参考文献131

第6章 脉冲神经网络的无监督学习规则135

6.1 引言135

6.2 突触可塑性机制136

6.2.1 突触长时程增强136

6.2.2 突触长时程抑制137

6.3 Hebb学习规则138

6.3.1 Hebb学习规则的数学模型139

6.3.2 Hebb学习规则的相关性质141

6.4 STDP学习规则142

6.4.1 STDP学习规则的数学模型143

6.4.2 基于局部变量的 STDP实现146

6.4.3 不同突触的STDP学习机制149

6.5 脉冲神经网络无监督学习的应用152

6.6 本章小结153

参考文献154

第7章 脉冲神经网络的监督学习算法160

7.1 引言160

7.2 脉冲神经网络监督学习的基本理论160

7.2.1 监督学习算法的基本框架160

7.2.2 监督学习算法的性能评价162

7.3 脉冲神经网络监督学习算法分类163

7.3.1 梯度下降的监督学习算法163

7.3.2 突触可塑性监督学习算法166

7.3.3 脉冲序列卷积监督学习算法170

7.4 基于STIP的脉冲神经元监督学习算法172

7.4.1 脉冲神经元的监督学习算法173

7.4.2 神经元模型及学习参数设置175

7.4.3 脉冲序列学习任务及结果176

7.5 基于STIP的多层神经网络监督学习算法184

7.5.1 多层前馈脉冲神经网络结构184

7.5.2 多层突触权值的学习规则185

7.5.3 参数设置及Multi-ReSuMe算法188

7.5.4 非线性模式分类问题实验189

7.6 本章小结194

参考文献195

第8章 脉冲神经网络的进化发育方法201

8.1 引言201

8.2 神经网络的进化与发育方法202

8.2.1 进化与发育的计算框架202

8.2.2 神经网络发育方法的分类204

8.2.3 进化与发育过程的比较207

8.2.4 神经网络发育方法的应用212

8.3 人工基因组编码的基因调控网络214

8.3.1 人工基因组的表达及调控214

8.3.2 控制发育的基因调控网络217

8.4 脉冲神经网络的发育方法218

8.4.1 细胞分裂树的生成218

8.4.2 脉冲神经元的生成220

8.4.3 神经连接的生成220

8.4.4 突触可塑性的生成222

8.5 脉冲神经网络的进化算法223

8.5.1 基因片段复制与歧化模型223

8.5.2 神经网络的进化算法描述224

8.6 自主智能体的食物采集实验225

8.6.1 食物采集实验环境226

8.6.2 进化与发育的参数设置228

8.6.3 实验结果分析与比较229

8.7 本章小结232

参考文献233

第9章 进化脉冲神经网络的文化学习239

9.1 引言239

9.2 种群进化中的学习模型分类240

9.2.1 群体学习240

9.2.2 生命周期学习241

9.2.3 文化学习242

9.3 脉冲神经网络的文化学习算法243

9.3.1 脉冲神经网络的文化学习结构243

9.3.2 神经网络进化与文化学习实现244

9.4 文化学习中的信息传递方式245

9.4.1 垂直层次的文化传递246

9.4.2 水平层次的文化传递246

9.5 本章小结247

参考文献247

第10章 基于脉冲神经网络的图像处理250

10.1 引言250

10.2 脉冲神经网络的图像分割方法251

10.2.1 神经元模型及像素编码策略252

10.2.2 图像分割的神经网络结构253

10.2.3 图像分割算法及评价准则255

10.3 脉冲神经网络的图像分割实验256

10.3.1 参数变化对分割结果的影响256

10.3.2 对复杂噪声图像的分割结果260

10.4 图像分割中的非线性编码策略262

10.4.1 像素值的非线性编码策略263

10.4.2 线性与非线性编码的比较264

10.5 脉冲神经网络的图像识别方法268

10.5.1 递归脉冲神经网络结构269

10.5.2 图像识别的监督学习算法270

10.6 脉冲神经网络的图像识别实验271

10.6.1 图像的延迟相位编码271

10.6.2 图像识别的计算过程273

10.6.3 LabelMe图像识别结果274

10.7 本章小结275

参考文献276