混沌神經網絡在圖像處理中的應用(存儲版)
【正文】 初始條件的敏感依賴性是混沌系統長期行為對初始條件的敏感依賴性是混沌運動的本質特征。 應用：圖像復原與圖像分割 ? 圖像復原： Y = HX + N X和 Y 分別為原始圖像和退化圖像， H為退化函數 ， N為白噪聲。 混沌神經網絡優(yōu)化 ? 由于問題的復雜性，具體的模型及建立過程不做介紹。 ? 缺點： 神經網絡進行目標優(yōu)化時，本質上是一種梯度下降法優(yōu)化算法，而這種算法容易陷入局部極小值，而得不到全局最優(yōu)點。 神經網絡 ? 傳統神經網絡的優(yōu)缺點： ? 優(yōu)點： a)容錯性：它可以處理含噪聲或不完全的數據和圖像； b)并行性：適用于高速并行處理系統； c)具有復雜非線性問題處理能力。利用這一特點，混沌可以有效的避免在搜索全局最優(yōu)解的過程中陷入局部最小解，它和禁忌搜索、模擬退火、遺傳算法等一樣都可以有效的避免局部最小。優(yōu)化目標確定后，問題的求解已完成 90%，
環(huán)評公示相關推薦
鄂ICP備17016276號-1