脉冲神经网络的监督学习算法研究综述

脉冲神经网络是进行复杂时空信息处理的有效工具,但由于其内在的不连续和非线性机制,构建高效的脉冲神经网络监督学习算法非常困难,同时也是该研究领域的重要问题.本文介绍了脉冲神经网络监督学习算法的基本框架,以及性能评价原则,包括脉冲序列学习能力、离线与在线处理性能、学习规则的局部特性和对神经网络结构的适用性.此外,对脉冲神经网络监督学习算法的梯度下降学习规则、突触可塑性学习规则和脉冲序列卷积学习规则进行了详细的讨论,通过对比分析指出现有算法存在的优缺点,并展望了该领域未来的研究方向.     

多目标优化非支配集构造方法的研究进展

多目标优化非支配集的构造是多目标进化算法研究领域的一个重要步骤,旨在研究用多目标进化算法解决多目标优化问题的效率。对多目标优化问题进行了描述并且给出了求解算法的一般框架,结合研究现状讨论了目前该领域几种主要的基于Pareto非支配集的构造算法,以及它们的计算时间复杂度;总结并展望了该领域未来的发展趋势。     

分段线性脉冲神经元模型的簇放电分析

应用一种二维分段线性脉冲神经元模型的简单计算特性,对其簇放电特性进行了详细研究。发现该模型表现出强迫和内禀两类簇放电模式,并分析了内禀簇放电的产生机理及分岔现象。在实验中,应用该模型对一类具有簇放电特性的皮层神经元进行了模拟。     

全景图拼接中的一种快速图像点对应策略

根据两幅图像间点对应的要求,利用像素所在区域强度的变化,提出了一种基于模板的区域权值标记边缘检测方法（TBAWSED）．在此基础上提出了一种一种基于区域和基于特征相结合的快速点对应策略．在实际拍摄图像及合成图像的实验中均验证了该策略的有效性,在全景图像拼接研究的实践中,利用该策略求取图像的对应点,节省了大约50%的时间,证明了该策略中算法的高效率．