基于细胞神经网络的应用研究

论文摘要

随着基于CNN算法的发展和CNN芯片的完善,一方面,带动了新一轮的神经网络研究热潮。另一方面,由于CNN芯片的发展与完善,其并行高速的特点使大数据量、大运算量的CNN算法在硬件上获得了很大的实时性支持。因此,很有必要研究基于细胞神经网络的应用及其算法的相关实现。本文主要研究了细胞神经网络三方面的应用,具体内容如下:(1)提出了基于自适应遗传算法的CNN模板设计算法。通过对交叉概率和变异概率的改进以及遗传算子的设计,克服了基于简单遗传算法设计模板时算法容易早熟的不足,并采用准精确惩罚函数来设计适应度函数,降低了算法的运算量,提高了算法的收敛速度。(2)提出了基于主动轮廓图像分割模型的CNN实现算法。提出用梯度场和GVF场的有机组合作为外力场,构建了与该算法有关的扩展模块模板和细化模块模板,并进行了仿真,对仿真结果进行了分析和对比,最后证明了该算法能有效地克服传统实现算法计算复杂度高的不足。另外该算法易于硬件实现和并行处理,使Snake模型可以用于高速图像分割领域。(3)提出了基于CNN的逻辑电路设计与实现。首先推导出单个细胞的状态方程,并对若干不同输入、不同参数的细胞进行MATLAB数值仿真,根据仿真结果确定细胞的逻辑功能;然后设计细胞电路原理图,对其进行EWB仿真,验证其逻辑功能,确定输入高低电平范围;最后设计了实际电路,用来进行功能调试和实验验证。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 人工神经网络的发展概论
• 1.2 细胞神经网络的研究和发展现状
• 1.3 本文的研究意义
• 1.4 本文的内容和结构安排
• 第二章 CNN 的数学模型与系统分析
• 2.1 细胞神经网络的结构和特点
• 2.2 标准CNN 动态范围与稳定性分析
• 2.2.1 CNN 动态范围
• 2.2.2 CNN 稳定性分析
• 2.3 输入输出的量化及其图象处理的基本思想
• 2.3.1 输入与输出量化
• 2.3.2 CNN 的图象处理基本思想
• 2.4 本章小结
• 第三章 基于自适应遗传算法的CNN 模板设计
• 3.1 遗传算法的搜索过程、与其它优化方法的比较和遗传操作
• 3.1.1 遗传算法的搜索过程
• 3.1.2 遗传算法与其它优化方法的比较
• 3.1.3 遗传操作
• 3.2 基于自适应遗传算法的CNN 模板设计算法实现
• 3.2.1 编码方式
• 3.2.2 适应度函数的设计
• 3.2.3 选择
• 3.2.4 交叉和变异
• 3.3 遗传算法性能比较
• 3.4 实验分析和对比
• 3.5 本章小结
• 第四章 基于主动轮廓图像分割模型的CNN 实现
• 4.1 基于主动轮廓图像分割的数学模型及算法实现
• 4.1.1 基于主动轮廓图像分割的数学模型
• 4.1.2 基于主动轮廓图像分割的算法实现
• 4.2 基于主动轮廓图像分割模型的CNN 算法实现
• 4.2.1 算法总体框图
• 4.2.2 外部能量处理模块
• 4.2.3 扩展模块
• 4.2.4 细化模块
• 4.3 仿真结果及结论
• 4.4 基于主动轮廓图像分割模型的CNN 算法计算复杂度
• 4.5 本章小结
• 第五章 基于CNN 的逻辑电路设计与实现
• 5.1 单个细胞状态方程分析
• 5.2 单个细胞硬件电路设计
• 5.3 CNN 电路仿真与分析
• 5.3.1 CNN 电路的MATLAB 仿真与分析
• 5.3.2 CNN 电路的EWB 仿真与分析
• 5.4 细胞电路印刷电路板的设计
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 本文的主要工作
• 6.2 后续工作
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文
• 附录