灰度逻辑蕴含运算CNN模板的鲁棒性设计  

Robustness design of new templates for gray-scale logic converse implication operation CNN

作　　者：张群[1] 闵乐泉[1,2] 

机构地区：[1]北京科技大学自动化学院,北京100083 [2]北京科技大学数理学院,北京100083

出　　处：《南京理工大学学报》2014年第4期490-495,共6页Journal of Nanjing University of Science and Technology

基　　金：国家自然科学基金(61074192);校冶金工程研究院基础理论研究基金项目(yj2010-019);高等学校博士科研专项基金(06108104)

摘　　要：为了解决灰度图像逻辑蕴含运算的问题,该文对一类灰度图像逻辑蕴含运算细胞神经网络(Gray-scale logic converse implication operation cellular neural network,GLCIO CNN)进行了研究。通过制定两幅灰度图像之间的逻辑蕴含运算,设计了一类GLCIO CNN。根据GLCIO CNN的局部规则,对其模板进行鲁棒性设计,提出相应的鲁棒性设计定理,并给出了科学合理的数学证明。只要细胞神经网络的模板参数满足定理中提出的参数不等式,细胞神经网络(CNN)就能够对两幅灰度图像执行逻辑蕴含运算。实验结果验证了GLCIO CNN的有效性及鲁棒性设计定理的可行性。To solve the logical converse implication operation between two gray-scale images,a kind of gray-scale logic converse implication operation cellular neural network （ GLCIO CNN ） is studied here. According to the converse implication operation,the Local Rules of GLCIO CNN is proposed. A theorem is given to design the robustness of the templates of GLCIO CNN. The theorem is proved. The theorem provides parameter inequalities for selecting suitable template parameters of GLCIO＆amp;nbsp;CNN to implement the corresponding tasks. The numerical simulation examples verify the validity of GLCNIO CNN,and the methodology is efficient in practical applications for computer digital image processing.

关 键 词：细胞神经网络 灰度图像 逻辑蕴含运算 鲁棒性设计 模板参数 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]