知识卡片
FSPCNN的三机制融合
FSPCNN 不是单一改法,而是让三种神经机制各管一个环节,拼成一条自适应流水线。
- 斯蒂文斯幂定律负责时间衰减因子 αe:用心理物理的幂律映射,把图像灰度分布翻译成“阈值该降多快”。
- 侧抑制负责突触权重:用 1−tanh 抑制系数按距离与灰度差,为每个像素生成专属权重矩阵。
- 快速连接负责停机与输出:用相邻分割结果的相似度极值判断哪一轮最好,并自动结束迭代。 分工的合理性:这三个环节原本都要人调——αe、权重矩阵、迭代次数,恰好各自对应一种有生理依据的机制;每个机制只接管一个自由度,互不干扰,改一个不会破坏另外两个。 边界:三者都是类比式借用,幂律指数取 0.5、相似度三阶段划分都是对视觉现象的简化,机制之间没有联合优化,误差会逐级叠加。
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
FSPCNN融合了SPCNN与斯蒂文斯定律(Stevens'Power Law,SPL)、侧抑制(Lateral Inhibition,LI)和神经元中的快速连接机制(Fast Linking,FL)三种神经系统信息处理机制
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:FSPCNN 不是单一改法,而是让三种神经机制各管一个环节,拼成一条自适应流水线。
- 原始内容:FSPCNN融合了SPCNN与斯蒂文斯定律(Stevens'Power Law,SPL)、侧抑制(Lateral Inhibition,LI)和神经元中的快速连接机制(Fast Linking,FL)三种神经系统信息处理机制