深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）是受到貓的視覺皮層細(xì)胞研究的啟發(fā),在感受野（Receptive Field）概念的基礎(chǔ)上提出的,因而被廣泛應(yīng)用于計(jì)算機(jī)視覺任務(wù),如面部表情識(shí)別等�；谏疃菴NN對(duì)“擺拍式”表情的識(shí)別已經(jīng)取得了很高的準(zhǔn)確率,但對(duì)現(xiàn)實(shí)場(chǎng)景下的自發(fā)式表情識(shí)別效果卻并不理想,主要原因是現(xiàn)實(shí)場(chǎng)景下的表情圖像因?yàn)楣庹諚l件、拍攝設(shè)備等原因往往帶有噪聲。另一方面,基于深度CNN的表情識(shí)別過程具有較高的功耗,限制了其在移動(dòng)端或嵌入式設(shè)備上進(jìn)行自發(fā)式表情識(shí)別的應(yīng)用。為此,本文研究了生物神經(jīng)元的輸出響應(yīng)特性,對(duì)能夠?qū)eaky Integrate and Fire（LIF）神經(jīng)元模型的輸出響應(yīng)特性進(jìn)行刻畫的Noisy Softplus（NSP）激活函數(shù)進(jìn)行了改進(jìn),提出INSP（Improved Noisy Softplus）,以之為基礎(chǔ)實(shí)現(xiàn)了一種具有抗噪性的深度殘差網(wǎng)絡(luò);同時(shí)對(duì)基于深度CNN訓(xùn)練與轉(zhuǎn)換的深度脈沖神經(jīng)網(wǎng)絡(luò)（SNN）的構(gòu)建進(jìn)行了研究,提出并實(shí)現(xiàn)了一種應(yīng)用INSP對(duì)VGG-19進(jìn)行訓(xùn)練與轉(zhuǎn)換的低功耗深度SNN。本文的主要研究內(nèi)容如下:具有噪聲魯棒性的深度殘差網(wǎng)絡(luò)研究。首先,針對(duì)NSP函數(shù)... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Sigmoid函數(shù)與Tanh函數(shù)Fig2-3SigmoidfunctionandTanhfunction

ReLU函數(shù)和Softplus函數(shù)Fig2-4ReLUfunctionandSoftplusfunction

LIF神經(jīng)元模型的響應(yīng)曲線


本文編號(hào)：3084499