一种脉冲耦合神经网络扩展系统和方法
【技术领域】
[0001] 本发明涉及神经网络领域，尤其涉及一种脉冲耦合神经网络扩展系统和方法。
【背景技术】
[0002] 脉冲耦合神经网络PCNN是一种不同于传统神经网络的模型，基于猫、猴等动物的 大脑皮层上的同步脉冲发放现象提出，不需要学习或训练，能直接从复杂背景下提取有效 信息，具有同步脉冲发放和全局耦合等特性。由于其生物学背景，脉冲耦合神经网络在很多 领域都有着广泛的应用，如图像处理、模式识别、通讯同步、决策优化等。但是，现有的PCNN 模型在计算当前神经元与邻域神经元间的耦合关系时，仅考虑了邻域神经元信号对当前神 经元的增强作用，而未考虑邻域神经元信号对当前神经元的削弱作用。因此，如何对现有 PCNN模型进行扩展，使其也可以表示神经元之间的负相关性是需要解决的技术问题。
【发明内容】
[0003] 为了解决上述问题，本发明提出了一种脉冲耦合神经网络扩展系统和方法，能够 表示神经元之间的负相关性。
[0004] 为了达到上述目的，本发明提出了一种脉冲耦合神经网络扩展系统，该系统包括： 接收模块、调制模块和脉冲发生模块。
[0005] 接收模块，用于接收当前神经元的外部输入信号^和上一时刻邻域内神经元的脉 冲信号t(t-l);并根据外部输入信号L和脉冲信号Y^t-1)计算反馈通道信号Fjt)和连 接通道信号Q(t)，将获得的反馈通道信号匕(t)和连接通道信号Q(t)传输到调制模块。
[0006] 调制模块，用于将收到的反馈通道信号Fi(t)和连接通道信号Li(t)进行耦合调 制，产生内部活动项A(t)。
[0007] 脉冲发生模块，用于实时将产生的内部活动项Ui(t)与预设的阈值Ei(t)相比较， 根据比较结果确定是否产生脉冲并调节所述阈值Ei(t+1)。
[0008] 其中，i是指当前神经元对应的输入位置；j是指位置i的邻域，j=l-n，n为正整 数；t是指当前时刻；t-1是指上一时刻；t+1是指下一时刻。
[0009] 优选地，脉冲发生模块用于实时将产生的内部活动项Ui(t)与预设的阈值Ei(t)相 比较，根据比较结果确定是否产生脉冲并调节所述阈值￡1 (t+1)是指：
[0010] 首次产生内部活动项Ui(l)时，脉冲发生模块将首次产生的内部活动项Ui(l)与预 设的阈值Ei(t)的初始值￡1⑴相比较，当阈值Ei(t)的初始值￡1⑴大于内部活动项Ui(t) 时，脉冲发生模块不产生脉冲；并且当脉冲发生模块不产生脉冲时，减小预设的阈值Ejt); 其中，阈值Ei⑴的初始值￡1⑴在预先设置时确保大于所有可能出现的内部活动项仏(t)。
[0011] 后续每次产生内部活动项Ui(t)时，脉冲发生模块将所产生的内部活动项Ui(t)与 阈值Ei(t)相比较，当阈值Ei(t)大于内部活动项Ui(t)时，脉冲发生模块不产生脉冲；并且 减小阈值Ejt);当阈值Ejt)小于内部活动项Ujt)时，脉冲发生模块产生脉冲，并且阈值 Ei(t+1)跳变到阈值Ei(t)的初始值Ei(1)。
[0012] 优选地，接收模块根据外部输入信号Ii和脉冲信号Y^t-1)计算反馈通道信号 Fjt)和连接通道信号Ljt)是指：接收模块通过下式计算反馈通道信号Fjt)和连接通道 信号Ljt):
[0013]
[0014]
[0015] 其中，exp是指求指数幂；_t"为FJt)的衰减系数；-tLJt)的衰减系数； VFSFi(t)的放大系数;'为Li(t)的放大系数;为Fi(t)的加权系数;Wu为Li(t)的加 权系数；Y^t-1)为邻域神经元上一时刻的输出，n为邻域个数。
[0016] 优选地，调制模块用于将收到的反馈通道信号Fjt)和连接通道信号Ljt)进行耦 合调制，产生内部活动项仏⑴是指：调制模块通过下式产生内部活动项仏⑴：
[0017] Ui(t) =Fi(t)*(l+|3 ^L^t)), 0^0；Ui(t) =Fj(t) * (1-13 (t)), 0^0
[0018] 其中，0i为连接因子，用于表示信号间的耦合性；
[0019] Ujt) =FjtXl+IB^Ljt))，|3々0表示当前神经元与邻域神经元的正相关关 系。
[0020] Ujt) =FjtXl-IB^Ljt))，|3々0表示当前神经元与邻域神经元的负相关关 系。
[0021] 0i= 0,表示当前神经元与邻域神经元不相关。
[0022] 本发明还提出一种脉冲耦合神经网络扩展方法，该方法包括：
[0023] 接收当前神经元的外部输入信号^和上一时刻邻域内神经元的脉冲信号 Yj(t-l);并根据外部输入信号I,和脉冲信号Y^t-1)计算反馈通道信号Fjt)和连接通道 信号Q(t)，将获得的反馈通道信号匕(t)和连接通道信号Q(t)传输到调制模块。
[0024] 将收到的反馈通道信号Fjt)和连接通道信号Ljt)进行耦合调制，产生内部活动 项A⑴。
[0025] 实时将产生的内部活动项Ujt)与预设的阈值Ejt)相比较，根据比较结果确定是 否产生脉冲并调节阈值Ei(t+1)。
[0026] 其中，i是指当前神经元对应的输入位置；j是指位置i的邻域，j=l_n，n为正整 数；t是指当前时刻；t-1是指上一时刻；t+1是指下一时刻。
[0027] 优选地，实时将产生的内部活动项Ujt)与预设的阈值Ejt)相比较，根据比较结 果确定是否产生脉冲并调节阈值Ej+lt)包括：
[0028] 首次产生内部活动项UJ1)时，将首次产生的内部活动项Ujt)与预设的阈值 Ejt)的初始值EJ1)相比较，当阈值Ejt)的初始值EJ1)大于内部活动项Ujt)时，不产 生脉冲；并且当不产生脉冲时，减小预设的阈值Ejt);其中，阈值Ejt)的初始值EJ1)在 预先设置时确保大于所有可能出现的内部活动项Ujt)。
[0029] 后续每次产生内部活动项Ujt)时，将所产生的内部活动项Ujt)与阈值Ejt) 相比较，当阈值Ejt)大于内部活动项Ujt)时，不产生脉冲；并且减小阈值Ejt);当阈值 Ejt)小于内部活动项Ujt)时，产生脉冲，并且阈值Ejt+1)跳变到阈值Ejt)的初始值 Ei⑴。
[0030] 优选地，根据外部输入信号Ii和脉冲信号Y^t-1)计算反馈通道信号Fi(t)和连 接通道信号Ljt)是指：通过下式计算反馈通道信号Fjt)和连接通道信号Ljt):
[0031]
[0032]
[0033] 其中，exp是指求指数幂；_t"为FJt)的衰减系数；-tLJt)的衰减系数； VFSFi(t)的放大系数;'为Li(t)的放大系数;为Fi(t)的加权系数;Wu为Li(t)的加 权系数；Y^t-1)为邻域神经元上一时刻的输出，n为邻域个数。
[0034] 优选地，用于将收到的反馈通道信号匕(t)和连接通道信号Q(t)进行耦合调制， 产生内部活动项Ui(t)是指：通过下式产生内部活动项Ui(t):
[0035] Ui(t) =Fi(t)*(l+|3 ^L^t)), 0^0；Ui(t) =Fj(t) * (1-13 (t)), 0^0
[0036] 其中，0i为连接因子，用于表示信号间的耦合性；
[0037] (t) =Fi⑴* (1+13 ⑴），|3i>0表示所述当前神经元与所述邻域神经元的正 相关关系；
[0038] (t) =Fi(t) * (1-13 ⑴），|3i>0表示所述当前神经元与所述邻域神经元的负 相关关系；
[0039] 0i= 0,表示所述当前神经元与所述邻域神经元不相关。
[0040]与现有技术相比，本发明包括：接收模块，用于接收当前神经元的外部输入信号L和上一时刻邻域内神经元的脉冲信号Yj(t-1);并根据外部输入信号L和脉冲信号Y」(t-1) 计算反馈通道信号h(t)和连接通道信号Q(t)，将获得的反馈通道信号匕(t)和连接通道 信号Ljt)传输到调制模块。调制模块，用于将收到的反馈通道信号Fjt)和连接通道信 号L"t)进行耦合调制，产生内部活动项U"t)〇脉冲发生模块，用于实时将产生的内部活 动项Ujt)与预设的阈值Ejt)相比较，根据比较结果确定是否产生脉冲并调节所述阈值 Ejt+1)。其中，i是指当前神经元对应的输入位置；j是指位置i的邻域，j= 1-n，n为正 整数；t是指当前时刻；t-1是指上一时刻；t+1是指下一时刻。通过本发明的方案，能够表 示神经元之间的负相关性。
【附图说明】
[0041] 下面对本发明实施例中的附图进行说明，实施例中的附图是用于对本发明的进一 步理解，与说明书一起用于解释本发明，并不构成对本发明保护范围的限制。
[0042] 图1为本发明的脉冲耦合神经网络扩展系统组成框图；
[0043] 图2为常规的PCNN的正相关表示模型；
[0044] 图3为常规的PCNN的负相关扩展表示模型；
[0045] 图4为本发明提出的扩展PCNN模型；
[0046] 图5为本发明提出的扩展PCNN模型的一种简化模型；
[0047] 图6为本发明的脉冲耦合神经网络扩展方法流程图。
【具体实施方式】
[0048] 为了便于本领域技术人员的理解，下