CASIA OpenIR  > 毕业生  > 博士学位论文
基于生物视觉系统的类脑神经网络研究
韩久琦
学位类型工学博士
导师郝红卫
2016-05-23
学位授予单位中国科学院研究生院
学位授予地点北京
关键词类脑神经网络 生物视觉系统 有效编码 结构稀疏自动编码机 大脑可塑性和自适应性 人工智能
其他摘要
        近年来,人工神经网络在深度学习的推进下得到了快速发展,在许多领域
都获得了优异的性能。然而,传统的神经网络仍然面临着许多问题,如泛化性
差、复杂度高、自适应能力弱等。生物智能,尤其是生物的视知觉在进化过程
中逐渐形成了一个精密、高效的系统。研究、建立生物视觉的计算理论和模型
是突破传统人工神经网络瓶颈的一条捷径,具有重要的学术意义和应用价值。
虽然生物视觉系统的研究已较深入,但在借鉴其机制建立类脑神经网络时还
有一些未解决的难题,例如同构的多模块设计和协同问题、突触连接的构建问
题、神经元的定义问题和网络的自学习问题等。此外,目前的类脑智能研究较
多的是单方面借鉴脑科学的结论和方法,通过类脑计算模型来研究大脑进化的
文献则较少。因此,本文借鉴生物视觉系统的若干机制,分别针对生物视觉的
早期系统、枕叶皮层(中级视觉系统)和颞下皮层(高级视觉皮层)进行数学
建模,并将它们进行级联组成完整模拟生物视觉通路的类脑神经网络,并通过
它从进化角度来探索和解释大脑组织结构形成的若干原则。
        本文主要工作和贡献如下:
        1. 本文提出了一个层次化计算模型来模拟生物早期视觉系统。本模型在以
下方面与生物机制一致:四层前馈网络结构与物体→感光细胞→RGC→V1区
的生物早期视觉通路相一致;本模型包含了层间连接,也考虑了RGC之间
和V1区神经元之间的层内连接;本模型以自然图像为输入的无监督方式训练,
与生物早期视觉系统的形成方式相一致。本文设计了两个有约束优化问题来
求解此模型的连接权重矩阵,并提出了对应的求解方法和其收敛性、复杂度分
析。此外,我们还提出了有效编码是大脑组织结构形成原因的假说,实验结果
不仅证实了本模型的有效性,也表明多层结构可以兼顾表征信号和节约能量,
是进化过程中自然选择的结果;
        2. 本文提出了一个结构稀疏自动编码机来模拟枕叶皮层V1→V2→V4区的
视觉信息处理通路。本模型重点关注于模拟枕叶各脑区的可塑性和自适应能
力,并通过l0范数准确地衡量各脑区的神经元数量。我们还引入了一种双向自
适应的迭代算法来直接求解l2,0范数,并分析了它的收敛性、有效性和复杂度。
实验结果不仅证实了本模型的有效性及与枕叶各脑区的一致性,而且通过平衡
表征精度和神经元数量,说明了各脑区的功能与它的神经元数量是相关的,也
是大脑适应环境的自然结果;
        3. 本文提出了一个协同计算模型来模拟生物视觉的高级视觉皮层IT区以
及相关的记忆区。本模型关注于IT区与记忆区的协同以及IT区的神经元集群响
应等机制,模拟了IT区快速、不变性识别和增量式自学习的行为功能,提出了
基于签名的快速比对、基于动态模板反馈匹配的不变性识别和增量式自学习算
法。通过图像的定量和增量式识别实验,我们验证了本模型可以不变地识别旋
转、平移和缩放等信号,同时具有较强的增量式自学习能力。此外,我们还说
明了本模型在表征相异度响应方面与生物的IT区也是一致的;
        4. 通过将上述三个子网络分别作为低层、中层和高层模型进行级联,我们
提出了一个较完整地模拟生物视觉信息处理通路的类脑神经网络,并将其用于
图像的增量式识别,模拟了生物在动态环境下的视觉感知过程。
学科领域控制理论与控制工程:模式识别与智能系统
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/11658
专题毕业生_博士学位论文
作者单位中国科学院自动化研究所
推荐引用方式
GB/T 7714
韩久琦. 基于生物视觉系统的类脑神经网络研究[D]. 北京. 中国科学院研究生院,2016.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
韩久琦论文_存档版.pdf(16167KB)学位论文 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[韩久琦]的文章
百度学术
百度学术中相似的文章
[韩久琦]的文章
必应学术
必应学术中相似的文章
[韩久琦]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。