12、关联投影神经网络与纹理识别技术解析

关联投影神经网络与纹理识别技术解析

1. 神经网络构建基础理念

在构建神经网络时，有一个重要的理念：任何对象不应由单独的符号或单个神经元来表示，而应由神经元子集（神经集合）来呈现。从较低层次到较高层次，这对应于将元素的特定部分引入更复杂的对象。信息元素必须将对象名称和描述结合起来，对象的名称和描述需呈现在对象模型所进入的所有信息结构中，并且对象名称应是该对象描述中呈现的特征之一。

在这种方法中，信息编码以及不同层次神经集合中代码的转换至关重要。以下是两种可用于关联投影神经网络中呈现信息的编码方法：
- 局部连接编码 ：在解决模式识别问题时进行了测试。它有诸多优点，但为了获得代码相对于图像中对象位置的不变性，需要使用特殊方法，这会产生额外问题。
- 移位编码 ：为克服局部连接编码的缺点而开发。它不仅能获得对移位对象呈现的不变性，还能自动形成与对象组件相对应的神经集合，这在模式识别问题解决和自适应信息检索系统创建中可能非常有用。

对于包含大量神经元的神经网络，存储连接突触权重的内存节省是一个问题。解决方法是将神经网络划分为单独的模块，并引入连接这些模块的特殊程序，这样内存需求会随神经元数量呈线性（而非二次）增长。

2. 纹理识别流程

神经网络广泛应用于模式识别问题，视觉模式识别包含以下阶段：
1. 提取纹理特征
2. 识别纹理
3. 在图像上提取具有均匀纹理的区域
4. 识别这些区域的形状

这些阶段都能在神经计算机上有效实现。下面详细介绍纹理识别的相关内容。

2.1