脉冲神经网络图像分割的编码方法

作者：崔文博; 蔺想红; 徐满意

来源：计算机工程, 2012, (24): 196-199.

• Time-to-First-Spike编码
• Sigmoid函数
• 脉冲神经网络
• 图像分割
• 感受野
• 最大香农熵 Time-to-First-Spike coding
• Sigmoid function
• Spiking Neural Network(SNN)
• image segmentation
• receptive field
• maximum Shannon entropy

针对脉冲神经网络图像分割中的脉冲编码问题,基于Time-to-First-Spike编码策略提出2种编码方式:线性编码和非线性编码。线性编码方法采用从图像像素值到神经元脉冲发放时间的线性函数对应关系,而非线性编码方法采用Sigmoid函数的对应关系。应用2种方法对图像进行分割,实验结果表明,非线性编码方法的分割结果优于线性编码方法,分割图像具有更大的香农熵值,并且非线性编码方法在图像分割时具有更大的取值区间,更容易对参数进行选择,取得最佳的图像分割结果。

• 出版日期2012
• 单位西北师范大学