一种新的神经网络空洞滤波器的实现

本文深入研究了一种新的二维细胞自动机(CA)，并据此提出了一种新的神经网络空洞滤波器实现方法，给出了系统实现的原理电路，并称其为细胞神经网络空洞滤波器(CNN-HF)。仿真结果表明，此系统能够有效的实现二值字符的空洞填充，且具有运行速度快，硬件实现容易等特点，期望能够在二维CA研究与应用设计方面有所启发和突破。     

用细胞神经网络实现盲均衡的一种新方法

本文提出并讨论了用细胞神经网络实现通信信号盲均衡的可能性,并基于对盲均衡算法的分析推出了相应细胞神经网络模板的设计方法,针对存在多径干扰的二值信号处理问题进行了计算机仿真,结果证明了这一想法是合理的。     

具时延的细胞神经网络的全局渐近稳定性分析

本文通过Lyapunov泛函方法和新的不等式a2b(2a3+b3)/3,(a,b0)分析技巧,讨论了一类具时延的细胞神经网络DCNN全局渐近稳定性问题,得到了若干新的充分判据,这些判据可用于设计出各种全局稳定的网络。     

一种新型随机接入呼叫接纳控制算法

该文提出一种新型呼叫接纳控制算法.算法依概率对新连接申请进行接纳判决.接纳概率的计算取决于网络管理者制定的接纳控制策略。给出了算法的设计思想和规则描述。仿真结果验证了这种算法的有效性和可实现性。     

基于元胞自动机的S盒的性质与神经网络实现研究

基于元胞自动机（CA）的S盒密码学性质良好且软硬件实现代价低,被用于Keccak、SIMON等密码算法.本文研究了基于CA的S盒的性质,给出并证明了此类S盒的三个重要性质：移位不变性、镜面对称性和互补性;同时研究了基于CA的S盒的神经网络实现方法,指出相比一般的S盒,基于CA的S盒在进行神经网络实现时可以用更简单的结构、消耗更少的资源来完成,并且给出了一种权重阈值搜索算法可以方便快速地实现基于CA的S盒的神经网络结构.     

方向估计的神经网络计算

本文给出一种借助于二维神经网络构成的混合系统,用它来完成几种方向估计算法,这些算法包括：最大似然法,交替投影最大似然法,Ｍａｒｃｏｓ等人提出的无需特征分解的“传播算法”。利用神经网络对某些算法的快速性,该系统为实时实现目标的精确定位提供了一条新的,有效的途径。     

基于FPGA的误差校正神经网络算法设计与实现

为了能够在真实硬件平台上进行实现,本文对原有的误差校正构造性神经网络算法进行了优化,并对优化后的误差修正算法进行了FPGA设计与实现。提出算法通过在自动生成一个合适的神经架构的同时对二个参数进行设置来提高算法性能。本文对这种算法实现的所有步骤进行了全面的描述并利用两种基准问题对结果进行了深入分析。结果显示,与标准的基于个人计算机（PC）的实现相比,本文提出的神经网络算法FPGA实现在计算速度方面有着明显的提高,由此证明了FPGA在误差校正算法神经计算任务中的实用性及适用性。     

基于混合加法CA的光学流密码系统

提出一种新的光学流加密系统。此系统用加法混合细胞自动机(CA)作密钥发生器,用CA的细胞构造空间光调制器(SLM)的阵列,一种门限器件实现所需的CA规则,整个系统可用光电混合或完全光学器件实现。模拟分析显示,用480×640像元CCD,加密速度可达到144Kbits/s,产生的密钥序列最大长度为2N-1(N为初始阵列细胞数目),直接攻击此加密系统需要的计算资源成指数性增长。     

用细胞神经网络实现图像恢复的一种新方法

本文提出并讨论了用细胞神经网络实现图像最大熵恢复的可能性,并基于对最大熵方法的物理实质分析推出了相应细胞神经网络模板的新设计方法,针对二值图象的恢复问题进行了计算机仿真,结果证明了这一方法是可行的。     

应用细胞神经网络求解泊松方程的新途径

研究了细胞神经网络在求解泊松方程方面的应用，用集成运算放大电路实现了细胞神经网络，并进行了模拟求解，其结果是令人满意的，实验证明，用细胞神经网络可以求解泊松方程，这是一条新的途径。     

一种与JPEG图像压缩编码结合的细胞自动机域盲水印算法

该文结合JPEG图像压缩编码和细胞自动机,提出一种用于JPEG压缩图像的数字盲水印算法。该算法先用Moore型细胞自动机对水印图像进行置乱;随后用2维正交细胞自动机变换将原始灰度图像进行分解,并在分解后得到的低频细胞自动机域系数中嵌入置乱后的水印信息。最后将嵌入了水印的图像按JPEG图像压缩标准进行编码。水印的提取是在解码过程中进行的。实验结果表明,该水印算法有较好的隐藏性;对常见的攻击如JPEG压缩、滤波、剪切、旋转以及加性噪声攻击等有较好的鲁棒性。     

CNN混沌扩频通信系统的性能研究

本文把细胞神经网络（CNN）理论应用于混沌扩频通信系统（CSSS），研究了细胞神经网络实现脉冲式混沌同步的可行性，指出能否同步与同步脉冲的能量有关，而且用CNN产生了性能优良的二值和多值随机码，并对系统的抗多址和多径干扰的性能进行了研究。通信系统的仿真实验表明，CNN能够很好地应用于扩频通信系统。     

细胞神经网络在通信信号处理中的研究进展

基于非线性理论的通信信号处理一直是信号处理领域的热点研究问题。细胞神经网络(CNN)作为最易于VLSI实现的一类神经网络 ,是非线性理论的一个重要研究方向 ,近年来在通信信号处理领域取得了许多重要进展。文中主要介绍了细胞神经网络的基本理论、结构及其在通信信号处理中的研究进展 ,并指出其今后在通信信号处理中的进一步研究方向     

ON THE STABILITY OF CELLULAR NEURAL NETWORKS WITH FEEDBACK MODE

Cellular Neural Networks (CNN) with feedback mode and M×N cells are equivalent to a network which possesses 2M×N cells, a neighborhood with mirror-like structure, space-variant templates and without feedback as well as without input templates. The stability of the CNN with feedback mode and transformations with the neighborhood of mirror-like structure are discussed.     

基于卷积神经网络与注意力机制的高光谱图像分类

由于浅层卷积神经网络(convolutional neural network,CNN)模型感受野的限制,无法捕获远距离特征,在高光谱图像 (hyperspectral image,HSI) 分类问题中无法充分利用图像空间-光谱信息,很难获得较高精度的分类结果。针对上述问题,本文提出了一种基于卷积神经网络与注意力机制的模型(model based on convolutional neural network and attention mechanism,CNNAM),该模型利用CA (coordinate attention)对图像通道数据进行位置编码,并利用以自注意力机制为核心架构的Transformer模块对其进行远距离特征提取以解决CNN感受野的限制问题。CNNAM在Indian Pines和Salinas两个数据集上得到的总体分类精度分别为97.63%和99.34%,对比于其他模型,本文提出的模型表现出更好的分类性能。另外,本文以是否结合CA为参考进行了消融实验,并证明了CA在CNNAM中发挥重要作用。实验证明将传统CNN与注意力机制相结合可以在HSI分类问题中获得更高的分类精度。     

用细胞神经网络实现图像恢复的一种新方法

文中提出并讨论了用细胞神经网络实现图象最大熵恢复的可能性,并基于对最大熵方法的物理实质分析推出了相应细胞神经网络模板的新设计方法,针对二值图象的恢复问题进行了计算机仿真,结果证明了这一方法是可行的。     

基于细胞神经网络的从阴影恢复形状的新方法

细胞神经网络(CNN)是一种实时处理信号的大规模非线性模拟电路,它的连续时间特点以及局部互连特点使其可以进行并行计算,并且非常适用于超大规模集成电路(VLSI)的实现.本文针对从阴影恢复形状(SFS)问题,提出了一种基于硬件退火CNN的能量函数优化方法,并对该方法进行了详细分析,给出了实例的仿真结果,验证了该方法的有效性.该方法为并行处理算法,具有运算量小、易于大规模VLSI集成实现,且能够克服局部极小等优点,可以使SFS问题得到实时的处理.     

一种用于扩频通信系统的CNN多值随机码的研究

该文结合细胞神经网络(CNN)和扩频通信系统(SSS)的特点,利用三细胞CNN混沌产生了用于扩频通信系统的多值随机码,文中给出了码的生成方法并分析了它的性能,仿真结果表明这种码性能优越,能够很好地用于扩频通信系统。     

基于元胞自动机的图像边缘检测新方法

具有自组织性并行行为的元胞自动机模型已逐步应用于图像处理领域。在已有的基于元胞自动机的图像处理算法基础上,结合元胞自动机和图像边缘的种种特征,提出了一种新的适用于图像边缘检测的元胞自动机模型。实验证明,新模型更加有效地勾勒出图像细节边缘。同时,该模型也适用于高分辨率遥感图像中小目标的边缘检测和提取。