脉冲神经网络的研究及应用

生物的大脑是一个庞大的计算系统,其计算能力逐渐被人们所认识和掌握，而模拟生物大脑功能而提出的神经网络理论正是人们认识大脑功能的强有力证据.自从Hopfield教授利用神经网络成功解决TSP问题以后,神经网络庞大的计算能力已经被很多学者公认,新的研究成果表明,具有生物脉冲特征的神经网络模型是生物大脑功能更强有力的模拟工具，其强大的计算能力是传统的神经网络所无法比拟的.本课题研究脉冲神经网络及其应用,完成情况概述如下：.. (1)模拟自然界波传递特性，提出一种具有生物激励特性的脉冲神经网络模型，并对其优化特性进行了理论证明.. (2)利用我们建立的具有波传递特性的脉冲神经网络模型，提出一种适合在复杂环境中应用的最短路径计算方法。当网络规模较大时，所提方法比Dijkstra算法效率高.. (3)利用所提出的具有波传递特性的脉冲神经网络模型，解决在动态环境下单机器人和多机器人的实时路径规划问题.. (4)利用脉冲耦合神经网络，提出一种图像分割的新方法，并成功解决交通信号标志的智能识别问题.. (5) 提出一种基于脉冲耦合神经网络的动态SPT计算方法，并应用于解决传统网络路由协议中最短路径树的动态计算问题...在项目的执行过程中，我们严格按照计划，完成了预定任务，取得的研究成果总结如下：.. (1)在国际一流刊物IEEE Transaction上发表学术论文2篇（Regular Papers）.. (2)发表和录用科研论文12篇，其中SCI检索7篇，EI检索10篇.. (3)主持人以第一发明人申请中国技术发明专利2项，其中已授权1项，已授理1项.. (4)2012年获教育部自然科学一等奖1项.