[发明专利]用神经网络模拟注意转移的方法

权利要求书

1.一种用神经网络模拟注意转移的方法，其特征在于包括以下步骤：

步骤1、视觉图像输入层将灰度图像的灰度值输入到神经动力网络中，图像中的像素点与神经动力网络上的神经元振子存在一一对应关系，每个像素对应的神经动力学系统由FHN模型描述；

步骤2、神经元振子网络振荡层，将神经网络中的每个振子根据FHN模型建立起来的动力学系统模型耦合形成神经动力网络，其中的第i行、第j列个神经元振子的膜电位V和电压阈值R对时间的变化率分别为：

其中，V是神经元细胞膜两侧的电位差，称为膜电位，R是代表电位阈值的内部状态变量，以下的公式中V和R代表相同的含义，I_i，j表示神经元接受到的来自外界的光刺激，数值上等于灰度图像中的灰度值；

步骤3、注意转移实现层根据以下公式(2)和(3)的定义在振荡中调整α和β，从而实现当前注意的物体对应神经元群发放频率升高，并对其他物体对应的神经元群产生抑制性信号，使其发放频率放缓，以此区别当前关注物体与其他物体；

其中，(p，q)表示图像中p行q列的像素，τ是至少有一个神经元在发放的时刻，τ-1是τ的前一个时刻，M(τ)是时刻τ在发放状态的神经元的数量，Δ(τ)是时刻τ在发放状态的神经元的集合，I_i，j表示第i行、第j列个神经元接受到的来自外界的光刺激，数值上等于灰度图像中的灰度值；

所述的FHN模型为FitzHugh-Nagumo模型的简称。

2.根据权利要求1所述的用神经网络模拟注意转移的方法，其特征在于： 所述的视觉图像输入层，在将灰度值输入到神经动力网络之前，进行了归一化，归一化之后的灰度值在[0，1]范围内。

3.根据权利要求1所述的用神经网络模拟注意转移的方法，其特征在于：只有当平衡点(V，R)是不稳定的时候才会有稳定的极限环产生，α和β的取值必须满足公式(4)

8(V²+αβ-1)＜0(4)

或者公式(5)

8(V²+αβ-1)＞0

-(10V²-9.2)＞0°(5)。

4.根据权利要求1所述的用神经网络模拟注意转移的方法，其特征在于：所述的神经元振子网络振荡层，在所述的公式(1)中(i，j)表示图像中的第i行、第j列，1≤i≤M，1≤j≤N；

其中，M和N是图像的宽和高；ΔV_i，j和ΔR_i，j代表周围神经元的影响，它们由以下式子定义：

Δx_i，j＝γ_{i-1，j-1；i，j}(x_i-1，j-1-x_i，j)+γ_{i-1，j；i，j}(x_i-1，j-x_i，j)+

γ_{i-1，j+1；i，j}(x_i-1，j+1-x_i，j)+γ_{i，j-1；i，j}(x_i，j-1-x_i，j)+

γ_{i，j+1；i，j}(x_i，j+1-x_i，j)+γ_{i+1，j-1；i，j}(x_i+1，j-1-x_i，j)+

                                                                        (6)

γ_{i+1，j；i，j}(x_i+1，j-x_i，j)+γ_{i+1，j+1；i，j}(x_i+1，j+1-x_i，j)

其中 其中x表示V或者R。

5.根据权利要求1所述的用神经网络模拟注意转移的方法，其特征在于：所述的注意转移实现层，在以下公式(8)和(9)中θ₁＞θ₂＞0

f₁(x)＝a₁x+b₁(a₁＞0，b₁＜0)(10)

f₂(x)＝a₂x+b₂(a₂＜0，b₂＞0)(11) 

实施过程参数为a₁＝2，b₁＝-4，a₂＝-4，b₂＝2，θ₁＝0.1，θ₂＝0.01，θ_α＝0.8，θ_β＝4。