【摘要】：构成PCNN 的单个神经元的基本模型见图2-14，该模型是对真实神经元的简化与近似，由接收域、调制部分和脉冲产生部分三者组成。图2-14PCNN 单个神经元的模型通过对PCNN的模型与基本原理的分析，可知其具有以下几个特性[9]。PCNN中的神经元与构成其他神经网络的神经元存在着根本的区别。
脉冲耦合神经网络（PulseCoupledNeuralNetworks，PCNN）是近10余年在国内外兴起的新型神经网络，国际上称PCNN为第三代人工神经网络。
构成PCNN 的单个神经元的基本模型见图2-14，该模型是对真实神经元的简化与近似，由接收域、调制部分和脉冲产生部分三者组成。
调制部分：调制部分将来自L通道的信号Li加上一个正的偏移量后与来自F通道的信号Fi进行相乘调制，见式（2-15），模型中偏移量归整为1，βj为联结强度。由于信号Fi的变化比信号Li慢，相乘调制得到的信号Uj就近似为一快速变化的信号叠加在一近似常量的信号上。
图2-14 PCNN 单个神经元的模型(www.xing528.com)
通过对PCNN的模型与基本原理的分析，可知其具有以下几个特性[9]。
（1）脉冲耦合的特性：PCNN 中，神经元的输出为脉冲，来自其他神经元的输入亦为脉冲，这是PCNN 最基本的特性。
（2）变阈值：构成PCNN 的神经元的阈值是随着时间改变的，同时受到神经元输出的影响。当神经元输出脉冲时，阈值就随之而升高。
（3）PCNN中的神经元与构成其他神经网络的神经元存在着根本的区别。传统的神经网络（如BP、Hopfield、CNN、Kohonen 等神经网络）之间的差异主要体现在网络的拓扑结构、确定权值的算法等方面，但构成这些网络的单个神经元的结构和功能是相似的，都是将输入信号的加权和与阈值相比，得到输出；而PCNN 中的神经元是先分别求输入信号与F通道和L通道的脉冲响应函数的卷积和，然后再进行相乘调制，调制结果与阈值相比，得到输出。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
