【技术实现步骤摘要】
一种基于类哺乳动物视网膜结构人工神经网络的图像识别与分类方法
[0001]本专利技术属于人工智能(人工神经网络)图像识别与分类领域,具体涉及一种基于类哺乳动物视网膜结构的人工神经网络的图像识别与分类方法。
技术介绍
[0002]人工神经网络(Artificial Neural Network,ANN)作为如今各种研究领域的最大热点之一,已经渗透到人们的生产生活之中。ANN是一种基于生物神经网络结构和功能建立的计算模型,具有类似于人脑的信息处理、学习和存储功能,这种具有认知功能的网络模型是实现人工智能的重要方法之一。ANN最初是由心理学家McCulloch和数理逻辑学家Pitts通过对人脑神经元进行抽象而引出,后被法国地质学家Morle运用在小波分析即寻找地质数据上,近年在模式识别、信息处理、医学等领域应用广泛。
[0003]神经网络的发展大致经历了4个阶段。首先是第一阶段——启蒙时期,这是神经网络理论研究的奠基阶段。在这一时期提出了M
‑
P神经网络模型、Hebb规则、感知器模型、ADALINE网络模 ...
【技术保护点】
【技术特征摘要】
1.一种基于类哺乳动物视网膜结构人工神经网络的图像识别与分类方法,其特征在于,通过构建网络模型实现,网络模型的构建方法包括以下步骤:S1,对哺乳动物视网膜电学活动进行建模仿真得到视网膜视杆信号通路,进而得到模型中六种视网膜细胞及三种突触连接的输入输出映射关系数据,对映射关系数据进行函数拟合得到每种视网膜细胞及突触连接的静态非线性输入输出映射曲线函数;所述的六种视网膜细胞包括视杆细胞、视锥细胞、视杆双极细胞、视锥双极细胞、A2无长突细胞、神经节细胞;所述的三种突触连接包括电突触、mGluR6受体化学突触、AMPA受体化学突触;S2,在人工神经网络和哺乳动物视网膜网络的结构的基础上,基于S1中得到的静态非线性输入输出映射曲线函数,建立类视网膜前端特征提取神经网络,实现对图像输入的特征提取功能;S3,建立后端模式识别分类模型,与S2构建的类视网膜前端特征提取神经网络相结合,对类视网膜前端特征提取神经网络输出的数据进行训练学习,以实现图像识别与分类的功能。2.根据权利要求1所述的一种基于类哺乳动物视网膜结构人工神经网络的图像识别与分类方法,其特征在于,所述S1具体过程如下:S11,利用NEURON软件对哺乳动物视网膜视杆信号通路进行建模仿真,得到视网膜网络仿真模型,并验证建立的视网膜网络仿真模型可实现哺乳动物视网膜视杆信号通路的正常电生理活动功能;视网膜网络仿真模型对单个视网膜细胞采取单舱室模型,实现了视杆通路的主要通路与次级通路的“On”信号传导;模型中最底层是视杆细胞层,由阵列30*50共1500个细胞构成,视杆细胞间为电耦合连接;在主要通路中,视杆细胞通过化学突触与视杆双极细胞连接,视杆双极细胞也通过化学突触与AII无长突细胞连接;无长突细胞之间通过电耦合相互连接,再与视锥双极细胞电耦合连接;最后通过化学突触与神经节细胞连接;在次级通路中,视杆细胞与视锥细胞电突触连接,视锥细胞通过化学突触与视锥双极细胞连接,最后与神经节细胞连接;视网膜网络仿真模型中所有的电突触都被建模为连接两个相邻细胞的单一电阻;视杆细胞与视杆双极细胞、视杆双极细胞与AII无长突细胞、视锥双极细胞与神经节细胞间的化学突触为谷氨酸带状突触,其功能是随着输入刺激强度的变化而持续释放谷氨酸;模型实现了对AMPA和mGluR6谷氨酸受体的模拟,其中,AMPA受体存在于无长突细胞和神经节细胞中,mGluR6受体存在于双极细胞中;这两种受体的模型采用相同的方程;注入突触后神经元的突触电流I
syn
(t)方程为:I
syn
(t)=g
max
S(t)(V(t)
‑
E
syn
)其中,t为时间,g
max
为突触最大电导,E
syn
为突触反向电势,V(t)为突触前膜电位,变量S(t)决定了突触的激活水平,其随时间和突触前细胞膜电位的变化为:并且其中,τ为时间常数,S
∞
为无穷时刻S(t)稳定值,V
pre
为突触前膜电位,V
th
【专利技术属性】
技术研发人员:刘海龙,王振东,孙丽飞,孙长凯,马翔,关水,刘蓉,苏志勋,孙长森,汪德刚,
申请(专利权)人:大连理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。