递归深度学习网络的多极限环神经动力学模型及方法研究

基金项目类型：

国家自然科学基金

基金项目编号：

61572004

来源网站：

国家自然科学基金委员会

来源网址：

http://www.nsfc.gov.cn/

负责人：

乔元华

完成单位：

北京工业大学

中文关键词：

神经动力学; 深度学习; 脉冲; 图像分割;

项目类型：

面上项目

语种：

中文

开始日期：

2016-01-01

结束日期：

2019-12-31

中文摘要：

构建多极限环神经元动力学耦合递归学习网络模型、从分叉导致的轨道迁移研究模拟人类的深度学习机理具有重要的意义。本项目的研究目标是构建基于多极限环动力学模型及Hebbian学习规则的耦合深度递归学习模型，形成基于深度学习动力学规律的快速收敛算法和方法，并对复杂的自然图像做出更为精确的分割。研究内容包括基于多极限环耦合网络模型的理论研究，通过分析耦合强度变化导致的极限环迁移，找出不同振幅频率的极限环出现的规律；结合学习规则构建递归深度学习网络模型，并应用于复杂自然图像的有效特征提取与表征，实现精准分割。本研究制定了从多极限环单个神经元模型、到二维阵列神经元网络模型建模、再到深度网络学习模型建模和分析技术路线，通过图像区域和轮廓数据标注、模型调试和感知测试等实验手段来实现和完成本研究，在递归深度学习的动力学模型理论认知及核心方法应用方面实现创新与突破。