视觉认知生物神经网络模型的动力学问题研究

Vision is one of the most important ways to obtain information. The vision systems of mammals act diversely with complicated dynamics. Due to the limitation of physiological experiments, the modeling and dynamics of large-scale visual cortex neural network model are just at the initial stage. There is still a lot of work to do. In this project, the methods of theoretical analysis and numerical simulation are adopted to give an overall research on the visual cortex neural network and its cognitive dynamics. The study includes:(1) establishing or improving the model of large-scale visual cortex neural network reasonably.(2) the global dynamics of visual cortex neural network model by tuning some key parameters such as external input and coupling strength, and measuring the effects of noises.(3) the application of visual neural network model to the image processing field. This project is a crossing field research between neural dynamics and information science. On the one hand, it will be helpful to reveal the intrinsic mechanism of information transmission in visual neural system. On the other hand, it provides the further understanding of nonlinear process of visual information and the machine vision theory.

视觉是最重要的信息获取方式，动物视觉系统行为多样，动力学机制复杂。由于生理试验条件的局限性，对于视觉神经网络模型（尤其是大规模网络模型）及其动力学分析尚处于起步阶段，还有很多工作需要进一步的探索。本项目将采用理论分析和数值仿真相结合的方法，系统地研究视觉神经网络的建模及其认知的神经动力学特性。研究内容包括：大规模视皮层神经网络模型研究、视皮层神经网络模型在外部激励和耦合强度等不同参数变化条件下的全局动力学分析、随机噪声对于视皮层神经网络的影响、初级视觉模型在图像处理领域的应用。本项目是神经动力学和信息科学的跨学科交叉研究领域，其研究不但有助于揭示视觉神经系统的信息传递和认知功能的内在机理，而且为进一步理解视觉信息处理的非线性过程，丰富机器视觉理论提供思路。

视觉是最重要的信息获取方式，动物视觉系统行为多样，动力学机制复杂。由于生理试验条件的局限性，对于视觉神经网络模型（尤其是大规模网络模型）及其动力学分析尚处于起步阶段，还有很多工作需要进一步的探索。本项目采用理论分析和数值仿真相结合的方法，系统地研究视觉神经网络的建模及其认知的神经动力学特性。. 研究内容主要包括三部分内容：视皮层神经网络模型研究、视皮层神经网络模型的动力学分析、初级视觉模型在图像处理领域的应用。. 在视皮层神经网络模型的研究方面，分别选择了Izhikevich模型和map-based两种模型作为单个神经元模型。Izhikevich模型不仅能模拟丰富的神经元行为，而且只有两个微分方程组成，求解简单。map-based模型基于差分方程进行求解，计算更加高效。由于神经元之间是互相连接的，我们采用两种不同的网络连接方式，一种是随机耦合连接，另一种是小世界网络连接。当神经元个数巨大时，计算非常耗时，本课题主要采用了GPU加速来解决这一问题。事实证明，神经元个数和迭代次数越多，GPU加速效果越好。. 在视皮层神经网络的动力学分析方面，对于随机连接的神经网络，讨论了神经元的连接权重、外部电流、噪声强度、神经元个数参数改变时神经网络不同的全局动力学行为。对于小世界连接的神经网络，除了讨论上述参数之外，重点讨论了连接概率，最近邻神经元个数两个参数改变时对网络的整体动力学行为的影响。这些结果对于我们理解生物大脑的全局动力学行为是有意义的。. 在视觉模型图像处理领域的应用方面，主要采用深度学习中的卷积神经网络模型，构建一个深层前馈的大规模神经网络模拟人类的视觉系统。本项目提出了基于卷积衰减因子的双通道神经网络图像分类算法和基于批归一化的直通卷积神经网络图像分类算法，并将其应用到民航危险物品的图像分类中。. 本项目是神经动力学和信息科学的跨学科交叉研究领域，其研究不但有助于揭示视觉神经系统的信息传递和认知功能的内在机理，而且为进一步理解视觉信息处理的非线性过程，丰富机器视觉理论提供思路。. 本项目共发表学术论文14篇，其中，期刊录用论文11篇，会议录用论文3篇。SCI检索7篇，EI检索期刊5篇，北大核心期刊4篇。申请国家发明专利2项。