[发明专利]用神经网络模拟注意转移的方法

摘要

本发明公开了一种用神经网络模拟注意转移的方法，包括视觉图像输入层，神经元振子网络振荡层，注意转移实现层。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，神经元振子网络振荡层，将神经网络中的每个振子根据FitzHugh-Nagumo模型建立起来的动力学系统模型耦合形成神经动力网络，注意转移实现层通过改变参数实现在已经同步的不同物体间实现注意转移，当前受到关注的物体神经发放的频率会增大。本发明立足于神经动力学系统，通过对FitzHugh-Nagumo模型的分析和改造形成对人眼注意转移视觉处理的简单模拟，对进一步研究人的视觉处理机制有重要的理论和现实意义。

主权项

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。