公开(公告)号：CN103279958B

公开(公告)日：2015-10-14

申请号：CN201310210479.7

申请日：2013-05-31

Applicant: 电子科技大学

Inventor： 屈鸿 ,  侯孟书 ,  王晓斌 ,  朱宗花 ,  刘贵松 ,  谢修蕊 ,  潘婷

IPC: G06T7/00 ,  G06T9/00 ,  G06N3/02

Abstract: 一种Spiking神经网络的图像分割方法，采用群体神经元对图像像素灰度值进行编码，其次设计一个含二维竞争输出层的递归Spiking网络，通过对网络进行训练，最终基于神经元的时间绑定特性并通过对图像进行解码得到分割结果。其可得到更佳的分割结果，采用含延时的递归网络，可反映时域信息，并体现出不同的动态性;采用winner-takes-all与STDP相结合的竞争学习规则，winner的设计便于处理时空图像信息；加入抑制型神经元可防止网络过度兴奋；设计相应的网络对象结构并采用同步与异步相结合的仿真策略实现MATLAB环境下的仿真；训练过程中调整“长期非winner神经元”的权值和阈值可避免局部收敛。

公开(公告)号：CN103279958A

公开(公告)日：2013-09-04

申请号：CN201310210479.7

申请日：2013-05-31

Applicant: 电子科技大学

Inventor： 屈鸿 ,  侯孟书 ,  王晓斌 ,  朱宗花 ,  刘贵松 ,  谢修蕊 ,  潘婷

IPC: G06T7/00 ,  G06T9/00 ,  G06N3/02

Abstract: 一种Spiking神经网络的图像分割方法，采用群体神经元对图像像素灰度值进行编码，其次设计一个含二维竞争输出层的递归Spiking网络，通过对网络进行训练，最终基于神经元的时间绑定特性并通过对图像进行解码得到分割结果。其可得到更佳的分割结果，采用含延时的递归网络，可反映时域信息，并体现出不同的动态性;采用winner-takes-all与STDP相结合的竞争学习规则，winner的设计便于处理时空图像信息；加入抑制型神经元可防止网络过度兴奋；设计相应的网络对象结构并采用同步与异步相结合的仿真策略实现MATLAB环境下的仿真；训练过程中调整“长期非winner神经元”的权值和阈值可避免局部收敛。