パルス結合ネットワーク

パルス結合ネットワークまたはパルス結合ニューラルネットワーク（PCNN）は、猫の視覚皮質をモデル化して提案されたニューラルモデルであり、高性能な生体模倣画像処理のために開発されました。^[1]

1989年、エックホーンは猫の視覚皮質のメカニズムを模倣する神経モデルを発表しました。^{[2]エックホーンモデルは小型}哺乳類の視覚皮質を研究するためのシンプルで効果的なツールを提供し、すぐに画像処理に大きな応用の可能性があることが認識されました。

1994 年、ジョンソンはエックホーンモデルを画像処理アルゴリズムに適応させ、このアルゴリズムをパルス結合ニューラルネットワークと呼びました。

エックホーンのリンキングフィールドモデル (LFM) の基本的な特性は、結合項です。LFM は、リンキング入力によって駆動されるバイアスオフセット係数によるプライマリ入力の変調です。これらは、初期の高い値から減少するしきい値変数を駆動します。しきい値がゼロ未満に低下すると、高い値にリセットされ、プロセスが最初から開始されます。これは、上限を超えるまで入力を蓄積し、事実上「ショート」してパルスを発生させる、標準的な積分発火ニューラルモデルとは異なります。

LFM はこの差を利用してパルスバーストを維持しますが、これは標準モデルが単一ニューロンレベルで行わないことです。ただし、標準モデルの詳細な分析には、樹状突起コンパートメントの浮遊電圧レベルのためにシャント項を含める必要があることを理解しておくことは価値があります。これにより、真の高次ネットワーク (HON) を可能にするエレガントな多重変調効果が発生します。^[3]^[4]^[5]

PCNN は 2 次元ニューラルネットワークです。ネットワーク内の各ニューロンは入力画像内の 1 つのピクセルに対応し、対応するピクセルの色情報 (強度など) を外部刺激として受け取ります。各ニューロンは隣接するニューロンとも接続し、それらからローカル刺激を受け取ります。外部刺激とローカル刺激は内部活性化システムで結合され、刺激が動的しきい値を超えるまで蓄積され、パルス出力が生成されます。反復計算により、PCNN ニューロンは時系列のパルス出力を生成します。時系列のパルス出力には入力画像の情報が含まれており、画像セグメンテーションや特徴生成などのさまざまな画像処理アプリケーションに使用できます。従来の画像処理手段と比較して、PCNN には、ノイズに対する堅牢性、入力パターンの幾何学的変化の独立性、入力パターンの小さな強度変化を埋める機能など、いくつかの重要なメリットがあります。

スパイキング皮質モデルと呼ばれる簡略化されたPCNNは2009年に開発されました。^[6]

アプリケーション

PCNNは画像処理に有用であり、トーマス・リンドブラッドとジェイソン・M・キンザーの著書でも議論されている。^[7]

PCNNは、画像セグメンテーション、パターン認識、特徴生成、顔抽出、動き検出、領域拡張、画像ノイズ除去^[8]、画像強調^[9]など、さまざまな画像処理アプリケーションで使用されています。

PCNNを用いた化学構造データの多次元パルス画像処理については、Kinserら^{[10]によって議論されている。}

これらは全ペア最短経路問題にも適用されている。^[11]

参考文献

^ Zhan, K.; Shi, J.; Wang, H.; Xie, Y.; Li, Q. (2017). 「パルス結合ニューラルネットワークの計算メカニズム：包括的なレビュー」。Archives of Computational Methods in Engineering . 24 (3): 573–588. doi :10.1007/s11831-016-9182-3. S2CID 57453279.
^ Eckhorn, R.; Reitbock HJ; Arndt, M.; Dicke, P. (1989)。「同期活動による特徴リンクのためのニューラルネットワーク：猫の視覚皮質とシミュレーションの結果」。Cotterill, RMJ (編)。脳機能モデル。ケンブリッジ：ケンブリッジ大学出版局。pp. 255–272。
^ Johnson and Padgett (1999). 「PCNN モデルとアプリケーション」. IEEE Transactions on Neural Networks . 10 (3, MAY): 480–498. doi :10.1109/72.761706. PMID 18252547.入換条件について
^ Giles, C. Lee ; Sun, Guo-Zheng; Chen, Hsing-Hen; Lee, Yee-Chun; Chen, Dong (1989). 「高次リカレントネットワークと文法推論」。ニューラル情報処理システムの進歩。2。2024年3月12日閲覧。
^ Giles, C.; Griffin, R.; Maxwell, T. (1987). 「高次ニューラルネットワークにおける幾何学的不変性のエンコード」。ニューラル情報処理システム。 2024年3月12日閲覧。
^ Kun Zhan、 Hongjuan Zhang、Yide Ma (2009 年 12 月)。「不変テクスチャ検索および画像処理のための新しいスパイキング皮質モデル」。IEEE Transactions on Neural Networks。20 ( 12): 1980–1986。doi :10.1109/TNN.2009.2030585。PMID 19906586 。{{cite journal}}: CS1 maint: 複数の名前: 著者リスト (リンク)
^ Lindblad, Thomas; Kinser, Jason M. (2005).パルス結合ニューラルネットワークを使用した画像処理（第2版、改訂版）. ベルリン; ニューヨーク: Springer. ISBN 3-540-24218-X。
^ Zhang, Y. (2008). 「SPCNN に基づく改良画像フィルタ」. Science in China Series F. 51 ( 12): 2115–2125. doi :10.1007/s11432-008-0124-z. S2CID 22319368.
^ Wu, L. (2010). 「HVSとPCNNに基づくカラー画像強調」. Science China Information Sciences . 53 (10): 1963–1976. doi :10.1007/s11432-010-4075-9.
^ Kinser, Jason M; Waldemark, Karina; Lindblad, Thomas; Jacobsson, Sven P (2000 年 5 月). 「化学構造データの多次元パルス画像処理」.ケモメトリクスおよびインテリジェントラボシステム. 51 (1): 115–124. doi :10.1016/S0169-7439(00)00065-4.
^ Wei, G.; Wang, S. (2011). 「行列乗算とパルス結合ニューラルネットワークに基づく全ペア最短経路問題のための新しいアルゴリズム」デジタル信号処理21 (4): 517–521. Bibcode :2011DSP....21..517Z. doi :10.1016/j.dsp.2011.02.004.

[1] Zhan, K.; Shi, J.; Wang, H.; Xie, Y.; Li, Q. (2017). 「パルス結合ニューラルネットワークの計算メカニズム：包括的なレビュー」。Archives of Computational Methods in Engineering . 24 (3): 573–588. doi :10.1007/s11831-016-9182-3. S2CID 57453279.

[2] Eckhorn, R.; Reitbock HJ; Arndt, M.; Dicke, P. (1989)。「同期活動による特徴リンクのためのニューラルネットワーク：猫の視覚皮質とシミュレーションの結果」。Cotterill, RMJ (編)。脳機能モデル。ケンブリッジ：ケンブリッジ大学出版局。pp. 255–272。

[3] Johnson and Padgett (1999). 「PCNN モデルとアプリケーション」. IEEE Transactions on Neural Networks . 10 (3, MAY): 480–498. doi :10.1109/72.761706. PMID 18252547.入換条件について

[Giles_Sun_Chen_Lee_1989_p.-4] Giles, C. Lee ; Sun, Guo-Zheng; Chen, Hsing-Hen; Lee, Yee-Chun; Chen, Dong (1989). 「高次リカレントネットワークと文法推論」。ニューラル情報処理システムの進歩。2。2024年3月12日閲覧。

[Giles_Griffin_Maxwell_1987_p.-5] Giles, C.; Griffin, R.; Maxwell, T. (1987). 「高次ニューラルネットワークにおける幾何学的不変性のエンコード」。ニューラル情報処理システム。 2024年3月12日閲覧。

[6] ^ Kun Zhan、 Hongjuan Zhang、Yide Ma (2009 年 12 月)。「不変テクスチャ検索および画像処理のための新しいスパイキング皮質モデル」。IEEE Transactions on Neural Networks。20 ( 12): 1980–1986。doi :10.1109/TNN.2009.2030585。PMID 19906586 。{{cite journal}}: CS1 maint: 複数の名前: 著者リスト (リンク)

[7] Lindblad, Thomas; Kinser, Jason M. (2005).パルス結合ニューラルネットワークを使用した画像処理（第2版、改訂版）. ベルリン; ニューヨーク: Springer. ISBN 3-540-24218-X。

[8] Zhang, Y. (2008). 「SPCNN に基づく改良画像フィルタ」. Science in China Series F. 51 ( 12): 2115–2125. doi :10.1007/s11432-008-0124-z. S2CID 22319368.

[9] Wu, L. (2010). 「HVSとPCNNに基づくカラー画像強調」. Science China Information Sciences . 53 (10): 1963–1976. doi :10.1007/s11432-010-4075-9.

[10] Kinser, Jason M; Waldemark, Karina; Lindblad, Thomas; Jacobsson, Sven P (2000 年 5 月). 「化学構造データの多次元パルス画像処理」.ケモメトリクスおよびインテリジェントラボシステム. 51 (1): 115–124. doi :10.1016/S0169-7439(00)00065-4.

[11] Wei, G.; Wang, S. (2011). 「行列乗算とパルス結合ニューラルネットワークに基づく全ペア最短経路問題のための新しいアルゴリズム」デジタル信号処理21 (4): 517–521. Bibcode :2011DSP....21..517Z. doi :10.1016/j.dsp.2011.02.004.