目錄
前言
第1章 緒論 1
1.1 背景 1
1.2 膜計(jì)算簡(jiǎn)介 2
1.3 脈沖神經(jīng)P系統(tǒng)簡(jiǎn)介 4
1.4 本書(shū)章節(jié)組織 7
參考文獻(xiàn) 7
第2章 膜計(jì)算的基本模型 13
2.1 基礎(chǔ)知識(shí) 13
2.2 細(xì)胞型P系統(tǒng) 15
2.2.1 基本的細(xì)胞P系統(tǒng) 15
2.2.2 帶通信規(guī)則的細(xì)胞P系統(tǒng) 17
2.2.3 活性膜P系統(tǒng) 19
2.2.4 數(shù)值P系統(tǒng) 21
2.3 組織型P系統(tǒng) 24
2.4 神經(jīng)型P系統(tǒng) 26
2.4.1 脈沖神經(jīng)P系統(tǒng) 26
2.4.2 非線性脈沖神經(jīng)P系統(tǒng) 28
2.5 本章小結(jié) 31
參考文獻(xiàn) 31
第3章 聚類模型 34
3.1 概述 34
3.2 基于隨機(jī)數(shù)值P系統(tǒng)的數(shù)據(jù)聚類 35
3.2.1 數(shù)據(jù)聚類問(wèn)題 35
3.2.2 隨機(jī)數(shù)值P系統(tǒng) 36
3.2.3 基于隨機(jī)數(shù)值P系統(tǒng)的膜聚類模型 38
3.2.4 模型評(píng)估 43
3.3 基于進(jìn)化-通信P系統(tǒng)的模糊聚類 45
3.3.1 模糊聚類問(wèn)題 45
3.3.2 聚類有效性指標(biāo) 46
3.3.3 進(jìn)化-通信P系統(tǒng) 48
3.3.4 基于進(jìn)化-通信P系統(tǒng)的模糊膜聚類模型 50
3.3.5 模型評(píng)估 54
3.4 基于組織P系統(tǒng)的多目標(biāo)模糊聚類 56
3.4.1 多目標(biāo)模糊聚類問(wèn)題 56
3.4.2 基于組織P系統(tǒng)的多目標(biāo)模糊膜聚類模型 58
3.4.3 模型評(píng)估 62
3.5 基于活性膜P系統(tǒng)的自動(dòng)模糊聚類 64
3.5.1 自動(dòng)模糊聚類問(wèn)題 64
3.5.2 基于活性膜P系統(tǒng)的自動(dòng)模糊膜聚類模型 64
3.5.3 模型評(píng)估 70
3.6 本章小結(jié) 73
參考文獻(xiàn) 73
第4章 卷積模型 76
4.1 概述 76
4.2 經(jīng)典的神經(jīng)元模型 77
4.3 脈沖神經(jīng)機(jī)制啟發(fā)的神經(jīng)元模型 78
4.3.1 非線性脈沖神經(jīng)P系統(tǒng) 78
4.3.2 SNP-like神經(jīng)元模型 80
4.4 嵌入SNP-like神經(jīng)元的深度學(xué)習(xí)模型 81
4.4.1 ConvSNP模型 81
4.4.2 ConvSNP模型的設(shè)計(jì)與實(shí)現(xiàn) 83
4.5 模型評(píng)估 85
4.6 本章小結(jié) 88
參考文獻(xiàn) 89
第5章 循環(huán)模型 90
5.1 概述 90
5.2 LSTM-SNP模型 91
5.2.1 門(mén)控變體I 91
5.2.2 模型描述 92
5.2.3 模型實(shí)現(xiàn) 95
5.2.4 模型評(píng)估 96
5.3 GSNP模型 98
5.3.1 門(mén)控變體II 98
5.3.2 模型描述 99
5.3.3 模型實(shí)現(xiàn) 101
5.3.4 模型評(píng)估 101
5.4 NSNP-AU模型 103
5.4.1 門(mén)控變體III 103
5.4.2 模型描述 105
5.4.3 模型實(shí)現(xiàn) 107
5.4.4 模型評(píng)估 108
5.5 ESNP模型 111
5.5.1 特殊化的NSNP系統(tǒng) 111
5.5.2 模型描述 112
5.5.3 模型評(píng)估 115
5.6 本章小結(jié) 118
參考文獻(xiàn) 118
第6章 卷積模型在數(shù)字圖像處理中的應(yīng)用 122
6.1 邊緣檢測(cè) 122
6.1.1 概述 122
6.1.2 SNP-like神經(jīng)元模型與卷積塊 123
6.1.3 邊緣檢測(cè)的特征融合框架 124
6.1.4 模型評(píng)估 128
6.2 圖像超分辨率分析 133
6.2.1 概述 133
6.2.2 圖像超分辨率網(wǎng)絡(luò) 135
6.2.3 模型評(píng)估 142
6.3 視網(wǎng)膜血管圖像分割 146
6.3.1 概述 146
6.3.2 視網(wǎng)膜分割網(wǎng)絡(luò) 147
6.3.3 模型評(píng)估 150
6.4 肺炎X射線圖像的多任務(wù)對(duì)抗網(wǎng)絡(luò) 155
6.4.1 概述 155
6.4.2 對(duì)抗網(wǎng)絡(luò)模型 157
6.4.3 模型評(píng)估 163
6.5 本章小結(jié) 168
參考文獻(xiàn) 168
第7章 循環(huán)模型在自然語(yǔ)言處理中的應(yīng)用 175
7.1 情感分析 175
7.1.1 概述 175
7.1.2 BiLSTM-SNP模型 176
7.1.3 方面級(jí)情感分類模型 178
7.1.4 模型評(píng)估 181
7.2 序列推薦 184
7.2.1 概述 184
7.2.2 模型架構(gòu) 185
7.2.3 技術(shù)細(xì)節(jié) 187
7.2.4 模型評(píng)估 191
7.3 本章小結(jié) 194
參考文獻(xiàn) 194