Editorial: Neural-Fuzzy Applications in Computer Vision

Editorial Introduction

Editorial: Neural-Fuzzy Applications in Computer Vision     

The Study of Chaotic Neural Network and its Applications in Associative Memory

Based on an analysis of current principal chaotic neural network models and their applications in information processing, we propose a one-dimensional, two-way coupled map network and a modified definition of an auto-associative matrix. The two-way coupled map network overcomes the weakness of the globally coupled map network and has the same abilities in pattern classification. Numerical simulation experiments have shown that the associative success rate and recall speed of our modified definition of the auto-associative matrix are an improvement them over existing methods. Moreover, the associative recall process of the network is analyzed in detail and explanations of improvement are given, basd on our theoretical analysis.     

模糊双向联想记忆的稳定性与容错性

证明了基于取大－取小模糊算子对的模糊双向联想记忆网络全局稳定性,并Ｈａｍｍｉｎｇ距离证明了该网络的平衡是Ｌｙａｐｕｎｏｖ稳定的。通过在一定条件下获得的吸引子非退化的吸引域,揭示出网络具有较好的容错性。实例验证了该结论的正确性。     

双向模糊形态联想记忆网络及其抗随机噪声的研究

在文献[1]提出的模糊形态联想记忆网络FMAM的基础上,提出了一种新型的模糊形态学双向联想记忆网络FMBAM,证明了FMBAM的双向联想中能够保证记忆在一步之内完成,因此不存在收敛问题,也表明了FMBAM具有优越的抗腐蚀或膨胀噪声的能力.但是,通常的噪声是随机的,为此,本文提出了动态核的方法,从而较好地提高了FMBAM对随机噪声的抗噪能力.仿真实验验证了利用动态核的双向联想记忆网络FMBAM,在加入较大的随机噪声的情况下,仍能保证完全记忆在一步之内完成.     

多模式对模糊联想记忆学习算法的优化

一、引言 人脑神经系统信息活动的一个重要特征是能够接收和处理模糊的、连续随机的信息,并在输出时不追求绝对精确解而只要求能找到问题的满意解。模糊联想记忆神经网络是Bart Kosko于1987年提出的采用模糊赫布型学习规则的一种单状态异联想记忆神经网络,在模糊控制、模式识别、专家系统等领域曾引起人们的关注。由于该网络的子集联想特性和不能有效地联想存储多个训练模式对而影响了它的应用[1-3]。本文提出模糊合成运算的一种微分法则,用一代价函数以反映网络性能,将梯度下降搜索技术与模糊赫布型学习规则相结合,建立了在单个模糊联想记忆神经网络中联想存储多个模式对的一种优化学习算法。理论分析和实例计算均证明该算法优于Kosko的学习规则。     

深度卷积神经网络在计算机视觉中的应用研究综述

随着大数据时代的到来,含更多 隐含层的深度卷积神经网络(Convolutional neural networks, CNNs)具有更复杂的网络结构,与传统机器学习方法相比具有更强大的特征学习和特征表达能力。使用深度学习算法训练的卷积神经网络模型自提出以来在计算机视觉领域的多个大规模识别任务上取得了令人瞩目的 成绩。本文首先简要介绍深度学习和卷积神经网络的兴起与展,概述卷积神经网络的基本模型结构、卷积特征提取和池化操作。然后综述了基于深度学习的卷积神经网络模型在图像分类、物体检测、姿态估计、图像分割和人脸识别等多个计算机视觉应用领域中的研究现状 和发展趋势,主要从典型的网络结构的构建、训练方法和性能表现3个方面进行介绍。最后对目前研究中存在的一些问题进行简要的总结和讨论,并展望未来发展的新方向。     

最大乘积型联想记忆网络的动态学习及其应用

提出了最大乘积型联想记忆网络的一种动态调整学习算法，给出了动态学习算法有效记忆训练规则的一个充要条件。首先给出了一种快速调整学习算法，再进一步发展了一个动态指数细调规则的学习算法，以快速调整学习算法的结果作为连接权矩阵的迭代初值。实验给出了所提算法的两个应用实例。     

混沌神经网络在分离叠加模式和多对多联想记忆中的应用

混沌是不含外加随机因素的完全确定性的系统表现出来的界于规则和随机之间的内秉随机行为。脑神经系统是由神经细胞组成的网络。类似于人脑思维的人工神经网络与冯·诺依曼计算机相比,在信息处理方面有很大的优越性。混沌和神经网络相互融合的研究是从90年代开始的,其主要的目标是通过分析大脑的混沌现象,建立含有混沌动力学的神经网络模型(即混沌神经网络模型),将混沌的遍历性、对初始值敏感等特点与神经网络的非线性、自适应、并行处理优势相结合,     

混沌在Hopfield联想记忆网络中的应用

将混沌应用到Hofield联想记忆网络中,利用混沌的遍历性和随机性等独特的性质,可以使待联想模式跳出伪模式的吸引域,而到达存储模式的吸引域内,从而解决了Hopfield网络在噪信比较高的情况下,联想成功率较低的问题。仿真结果证明了该方法的有效性。     

神经元网络在故障诊断中的双向联想记忆法

本文介绍了神经元网络用于控制系统故障诊断的双向联想记忆法.该方法是根据神经元网络的特点和功能以及控制系统故障诊断的要求而提出.文中首先介绍了双向联想记忆的模型和算法,然后给出一个简单的应用例子.     

Support Vector的几何解释及其在联想记忆中的应用

利用闭凸集上的投影解释support vector的几何意义，利用支持超平面讨论线性分类器的设计问题，对线性可分情形，Support vector由一类数据集合闭凸包在另一类数据集合闭凸包上投影的非零系数向量组成，SVM所决定的超平面位于两投影点关于各自数据集合支持超平面的中间，作为应用，文中给出一种设计理想联想记忆前馈神经网络的方法，它是FP算法的一般化。     

The Mizar Mathematical Library in OMDoc: Translation and Applications

The Mizar Mathematical Library is one of the largest libraries of formalized and mechanically verified mathematics. Its language is highly optimized for authoring by humans. As in natural languages, the meaning of an expression is influenced by its (mathematical) context in a way that is natural to humans, but harder to specify for machine manipulation. Thus its custom file format can make the access to the library difficult. Indeed, the Mizar system itself is currently the only system that can fully operate on the Mizar library. This paper presents a translation of the Mizar library into the OMDoc format (Open Mathematical Documents), an XML-based representation format for mathematical knowledge. OMDoc is geared towards machine support and interoperability by making formula structure and context dependencies explicit. Thus, the Mizar library becomes accessible for a wide range of OMDoc-based tools for formal mathematics and knowledge management. We exemplify interoperability by indexing the translated library in the MathWebSearch engine, which provides an “applicable theorem search” service (almost) out of the box.     

混沌神经网络及其在联想记忆中的应用

提出了一种新型的混沌神经网络模型及其相应的学习算法。该学习算法利用了输入模式各元素之间的关联性信息。此文的神经网络可以用于多值模式的联想记忆,与现有的混沌神经网络相比,具有更好的性能。     

深度相机在计算机视觉与图形学上的应用研究(英文)

越来越多的应用如几何重建、碰撞检测、混合现实、手势识别等,都依赖于对三维场景准确且快速的分析。通过基于图像的分析或者激光扫描技术来获取场景的深度图,其代价高昂且十分耗时。作为距离测量中一种可替代的设备,深度相机拥有传统的三维测量系统所不具备的一些优点,如较低的价格以及较高的拍摄速度等。最近出现了一些小巧低廉的深度相机设备,这将给计算机视觉、计算机图形学、人机交互等领域带来一系列革命性的变化,吸引了众多研究者的关注。对深度相机最新发展情况进行了介绍,并报告了深度相机在计算机视觉、计算机图形学中的应用现状。     

视觉基础矩阵估计方法的性能比较与分析

基础矩阵描述了单个场景的2幅视图之间的对应关系,在计算机视觉领域中扮演着极其重要的角色.首先讨论了三维视觉系统中的极线几何理论,随后论述了几类基础矩阵的估计方法,并对这些方法作了详细的比较和评价,最后实现了各种算法且使用仿真数据以及真实图像数据对各自的性能作了分析和总结.比较结果说明:1)如果图像特征点定位精确并且匹配无误,则线性方法的结果相当好;2)迭代算法可以解决定位的高斯噪声,但是当数据存在错误匹配时,性能很差;3)鲁棒算法能够同时解决定位误差和误匹配两类问题.此外,模拟实验和真实图像实验的结果表明,基于特征分析的正交回归最小二乘法的计算结果优于经典的线性最小二乘法.     

Image Analysis and Computer Vision: 1995

This paper presents a bibliography of over 1550 references related to computer vision and image analysis, arranged by subject matter. The topics covered include computational techniques; feature detection and segmentation; image and scene analysis; two-dimensional shape; pattern; color and texture; matching and stereo; three-dimensional recovery and analysis; three-dimensional shape; and motion. A few references are also given on related topics, including geometry and graphics, compression and processing, sensors and optics, visual perception, neural networks, artificial intelligence and pattern recognition, as well as on applications.     

Image Analysis and Computer Vision: 1993

This paper presents a bibliography of nearly 1300 references related to computer vision and image analysis, arranged by subject matter. The topics covered include computational techniques; feature detection and segmentation; image analysis; two-dimensional shape; pattern; color and texture; matching and stereo; three-dimensional recovery and analysis; three-dimensional shape; and motion. A few references are also given on related topics, such as geometry, graphics, coding and processing, sensors and optical processing, visual perception, neural nets, pattern recognition, and artificial intelligence, as well as on applications.