知识卡片
动态阈值与迭代点火
阈值 E 不是常数,而是随迭代自己上下走:不点火时按 αe 指数衰减,点火瞬间被 VE 抬高一大截,再继续衰减。同一个神经元于是周期性地点火、熄灭、再点火。
谁先开口:灰度高的神经元内部活动大,阈值还没降多少就越线,先点火;灰度低的要等阈值衰减更久。脉冲的时间顺序因此编码了灰度大小,这就是“点火时刻即灰度”的由来。 耦合后果:先点火者的输出经 W 加到邻域 L 上,抬高邻居的内部活动,使灰度相近的邻居提前点火,同步由此产生。 失败边界:VE 太小则阈值抬不够,同一神经元连续点火,时间编码失效;αe 太小则阈值降得慢,迭代轮数暴涨,计算量失控。这两个参数直接决定分割质量与效率的平衡,也是后文要用图像统计量反推 αe 的动机。
结构图:
flowchart TD
A[第n轮计算F与L] --> B[求内部活动U]
B --> C{超过阈值E?}
C -->|是| D[输出脉冲并抬高E]
C -->|否| E[E按αe衰减]
D --> F[进入第n+1轮]
E --> F
F --> A
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 基于脉冲耦合神经网络的目标检测方法 · 查看原书依据
然后,Fij和Lij通过连接系数β在调制域中结合以产生内部活动,通过Uij与动态阈值Eij进行比较确定Nij是否点火。若Nij点火,则Eij将因阈值振幅常数VE而迅速增大,否则Eij将通过时间衰减因子αe继续衰减。
参考来源
- 位置:《基于类脑计算的目标检测与跟踪技术》第4章 基于脉冲耦合神经网络的目标检测方法(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt004.html)
- 结论依据:阈值 E 不是常数,而是随迭代自己上下走:不点火时按 αe 指数衰减,点火瞬间被 VE 抬高一大截,再继续衰减。
- 原始内容:然后,Fij和Lij通过连接系数β在调制域中结合以产生内部活动,通过Uij与动态阈值Eij进行比较确定Nij是否点火。若Nij点火,则Eij将因阈值振幅常数VE而迅速增大,否则Eij将通过时间衰减因子αe继续衰减。