基于STDP规则的脉冲神经网络研究

人类对于生物系统信息的处理主要依赖于构成复杂神经网络的数十亿个神经元,并且信息以脉冲的形式进行传输。利用STDP学习算法构建基于LIF模型的两层脉冲神经网络结构,并对分类层算法进行改进,提出一种投票竞争机制。通过多次训练后对神经元表现类别进行竞争投票,优化同等神经元数量的网络机构在图像分类问题中的性能。在MNIST数据集上进行实验验证,结果表明,该投票竞争机制准确率达到98.1%,与同等网络规模下未采用投票竞争机制的脉冲神经网络相比,准确率平均提高了约6%,而且当神经元数目较少时,在不增加训练时间情况下,可以取得与更加复杂网络结构相同的训练结果。

基于表面肌电信号的性别差异性手势识别

对于同一手势不同性别的表面肌电信号差异性较大。为了减小差异性,提出滑动平均能量与能量补偿相结合的方法。本实验共采集10种手势动作的表面肌电信号;利用滑动平均能量对活动段进行检测,并对女性的动作段进行能量补偿;小波包分解采用Db4、Bior3.2、Haar、Sys8、Dmey这5种小波函数提取特征;最后并通过粒子群优化支持向量机进行分类。结果分析表明,能量补偿增大了特征的辨识度,减小了性别差异性,提高了手势识别率。

基于视频重建技术的视频会议图像传输方案

当前对于视频会议的需求日益增加,多人实时视频会议通话对网络带宽提出了挑战。设计了一种基于视频重建技术的单人像视频会议图像传输方案,将基于生成网络实现的视频重建技术引入到人像的视频会议图像传输中。该方案先通过发送端编码网络对传输特征进行压缩编码,然后通过接收端的解码网络进行图像的重建,在保证图像质量的情况下减少了传输所需带宽。经实验得到,在传输码率为2.2 kbit/s时,平均峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)能够达到23.44。