Осцилляторные нейронные сети и нейросетевой динамический метод обработки изображений

Кузьмина М.Г.

16.04.18, Понедельник, 11:00, ИПМ им. М.В.Келдыша РАН, конференц-зал

Базовый семинар: Вычислительные методы и математическое моделирование

Нейроморфные математические модели строятся с целью выяснения принципов работы нейронных структур мозга. Мозг – сложная, многоуровневая, иерархически организованная адаптивная система обработки информации, состоящая из большого числа модулей. Мозг обеспечивает значительно более быстрый, гибкий и эффективный способ обработки информации, чем тот, который используется в современных компьютерах (несмотря на то, что скорость работы нейронов в среднем в раз меньше, чем скорость работы транзисторов). В цикле работ трех авторов (Е.С.Гричук (РНЦ КИ), М.Г.Кузьмина (ИПМ РАН), Э.А.Маныкин (РНЦ КИ)) построено несколько версий модели пространственно распределенной осцилляторной нейронной сети (активный элемент сети – осциллятор) и развит динамический нейросетевой алгоритм обработки реальных многопиксельных изображений. Модель сети относится к нейроморфным моделям.

В цикле работ трех авторов (Е.С.Гричук (РНЦ КИ), М.Г.Кузьмина (ИПМ РАН), Э.А.Маныкин (РНЦ КИ)) построено несколько версий модели пространственно распределенной осцилляторной нейронной сети (активный элемент сети – осциллятор) и развит динамический нейросетевой алгоритм обработки реальных многопиксельных изображений. Модель сети относится к нейроморфным моделям. Алгоритм имитирует явление так называемого динамического связывания (dynamical binding), которое сопровождает обработку информации зрительной системой мозга. При этом в зрительной коре используется колебательная нейронная активность и синхронизация как рабочий инструмент.

Развитый алгоритм основан на управляемой синхронизации в осцилляторной сети и позволяет производить следующие виды обработки изображений: 1) полную яркостную сегментацию многопиксельных черно-белых и цветных изображений (представление изображения в виде разложения на совокупность яркостных фрагментов); 2) селективную сегментацию изображений – выделение в изображении множества яркостных фрагментов, яркость которых лежит внутри заданного диапазона яркостей (исключение ненужной информации); 3) решение одной из задач выделения объектов в зрительной сцене. Вычислительные эксперименты подтверждают качественную работу алгоритма.

 

Следующий семинар: 07.05.2018 - Pprincipia philosophiae naturalis (докладчик: Чашечкин Ю.Д.).

Предыдущий семинар: 02.04.2018 - Физические модели развития турбулентности в свободных сдвиговых потоках и в аккреционных дисках (докладчик: Чечёткин В.М.).