[01274638]用于目标识别的忆阻神经网络构建及特性分析

课题来源于天津市自然科学基金项目。

忆阻器的提出为细胞神经网络的研究提出了一个新方向。

细胞神经网络系统能够实现复杂的混沌动力学行为，忆阻器作为非线性电阻具有特殊的记忆能力，可以利用忆阻器构造忆阻细胞神经网络系统，来提高细胞神经网络系统的混沌特性。

本项目分别从物理可实现性和提高系统混沌度以及系统应用等方向开展了研究工作。

本项目设计了一种具有光滑连续特征曲线的忆阻器模型，将其与细胞神经网络结合构造了一个四维忆阻细胞神经网络混沌系统，通过分析其相轨迹图、分岔图、Lyapunov指数谱、Lyapunov维数和多稳态特性证明了其具有复杂的动力学特性，并将四维忆阻CNN混沌系统应用在保密通信中。

考虑系统可能存在不确定性扰动，采用滑模控制方法实现混沌系统同步。

为提高混沌系统同步性能，设计了一种新的滑模面，使发送端和接收端的同步误差能够在有限时间内收敛到零。

进一步地，构造了一个五维忆阻细胞神经网络超混沌系统，提高了系统的混沌度。

通过分析其相轨迹图、分岔图、Lyapunov指数谱、Lyapunov维数和多稳态特性证明了其具有更复杂的动力学特性。

在设计滑模控制五维忆阻细胞神经网络超混沌系统同步方法时，考虑了系统可能存在不确定性扰动的情况为了提高目标边缘识别的准确性，从给定目标图像中提取出更多的纹理细节信息，提出了一种基于分数阶控制模板的新型忆阻细胞神经网络模型。

用忆阻器替代细胞神经网络中的状态电阻，在细胞神经网络整个信息处理过程中保持忆阻器的记忆特性，利用历史状态信息，提高网络的信息处理能力。另外，基于分数阶微积分理论，为新型忆阻细胞神经网络设计了分数阶控制模板，在目标图像边缘提取中提高中高频信息，保留更多的低频信息。

通过对比实验验证了所提方法从各种不同图像中提取的边缘轮廓信息更加完整、清晰，而且纹理细节信息更加丰富，边缘图像的平均梯度与信息熵都可以显著提高。

为了提高目标跟踪方法对光照变化等因素的抗干扰能力，提出了融合分数阶微分边缘特征信息的改进跟踪方法。构造出了对高、中频信息提升，而对低频信息能够非线性保留的混合边缘检测算子，并利用其实现目标模板及场景图像的边缘特征信息实时检测。