基于细胞神经网络的从阴影恢复形状的新方法

• 作者: 于盛林 冯强 王怀颖
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 细胞神经网络(CNN) 从阴影恢复形状(SFS) 优化
• 年，卷（期）: 2006,（11）
• 所属期刊栏目: 科研通信
• 页码范围: 2120-2124
• 页数: 5页
• 分类号: TP751.1
• 字数: 4684字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2006.11.039

摘要

细胞神经网络(CNN)是一种实时处理信号的大规模非线性模拟电路,它的连续时间特点以及局部互连特点使其可以进行并行计算,并且非常适用于超大规模集成电路(VLSI)的实现.本文针对从阴影恢复形状(SFS)问题,提出了一种基于硬件退火CNN的能量函数优化方法,并对该方法进行了详细分析,给出了实例的仿真结果,验证了该方法的有效性.该方法为并行处理算法,具有运算量小、易于大规模VLSI集成实现,且能够克服局部极小等优点,可以使SFS问题得到实时的处理.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于盛林	南京航空航天大学自动化学院	151	3177	24.0	51.0
2	冯强	南京航空航天大学自动化学院	7	48	5.0	6.0
3	王怀颖	南京航空航天大学自动化学院	3	18	3.0	3.0