忆阻神经网络图像处理综述

吉林大学学报(信息科学版) ›› 2019, Vol. 37 ›› Issue (2): 127-133.

忆阻神经网络图像处理综述

高宏宇^1a，1b，黄文丽^1a，1b，董宏丽^1a，1b，李佳慧^1a，1b，吴宇墨²

1．东北石油大学a．复杂系统与先进控制研究院; b．黑龙江省网络化与智能控制重点实验室，黑龙江大庆163318;
2．东北师范大学数学与统计学院，长春130024

收稿日期:2018-09-14 出版日期:2019-03-25 发布日期:2019-06-10
作者简介:高宏宇( 1979— ) ，女，黑龙江大庆人，东北石油大学副教授，硕士生导师，主要从事智能控制与复杂网络系统滤波研究，(Tel) 86-13936997593( E-mail) 4501419@ qq． com; 董宏丽( 1977— ) ，女，黑龙江克山人，东北石油大学教授，博士生导师，主要从事智能控制和网络化控制研究，( Tel) 86-459-6503373( E-mail) shiningdhl@ vip． 126． com。
基金资助:
国家自然科学基金资助项目( 61873058) ; 中国博士后基金资助项目( 2017M621242 ) ; 黑龙江省自然基金资助项目
(F2018005)

Ｒeview for Image Processing of Memristive Neural Networks

GAO Hongyu^1a，1b，HUANG Wenli^1a，1b，DONG Hongli^1a，1b，LI Jiahui^1a，1b，WU Yumo²

1a． Institute of Complex Systems and Advanced Control; 1b． Heilongjiang Provincial Key Laboratory of
Networking and Intelligent Control，Northeast Petroleum University，Daqing 163318，China;
2． School of Mathematics and Statistics，Northeast Normal University，Changchun 130024，China

Received:2018-09-14 Online:2019-03-25 Published:2019-06-10

摘要/Abstract

摘要： 忆阻神经网络能有效改善传统神经网络电路复杂、不易集成以及能耗大等不足。概述了忆阻器与忆阻神经网络，以及目前忆阻神经网络在图像处理方面的应用。基于忆阻特性，实现神经网络突触的动态可变，使忆阻神经网络比传统神经网络在图像处理领域具备更多优势且应用范围更广。同时，展望了忆阻神经网络未来发展前景。

关键词: 忆阻器, 忆阻神经网络, 图像处理

Abstract: Memristive neural networks can effectively improve the complexity of traditional neural network circuits，the difficulty of integration and high energy consumption． Membrane，memristive neural networks and the application of current memristive neural networks in image processing are summarized． Based on the memristive property，the dynamic variable of the neural network synapse is realized，which makes the memristive neural networks having more advantages and wider application range than the traditional neural networks in the field of image processing． The future development prospects of memristive neural networks are forecasted．

Key words: memristor, memristor neural network, image processing

中图分类号:

TP83

高宏宇, 黄文丽, 董宏丽, 李佳慧, 吴宇墨. 忆阻神经网络图像处理综述[J]. 吉林大学学报(信息科学版), 2019, 37(2): 127-133.

GAO Hongyu, HUANG Wenli, DONG Hongli, LI Jiahui, WU Yumo. Ｒeview for Image Processing of Memristive Neural Networks[J]. Journal of Jilin University (Information Science Edition), 2019, 37(2): 127-133.

[1]	张喆原, 刘富. 基于纹理特征优化LPQ 的手背静脉提取方法[J]. 吉林大学学报(信息科学版), 2019, 37(3): 273-277.
[2]	韩东, 王学军. 基于改进的卷积神经网络多姿态人脸识别研究[J]. 吉林大学学报(信息科学版), 2018, 36(5): 504-509.
[3]	任瑞治，顾玲嘉. 基于Matlab的数字电视原理实验教学研究[J]. 吉林大学学报(信息科学版), 2018, 36(4): 403-408.
[4]	商微微,任桐慧 . 直喷汽油机喷雾图像特征提取方法[J]. 吉林大学学报(信息科学版), 2017, 35(6): 617-622.
[5]	叶昕,王鏐璞 . 基于 ARM 的印版密度检测系统设计[J]. 吉林大学学报(信息科学版), 2016, 34(6): 787-791.
[6]	杨晓萍,胡玉,张凯 . 基于 FPGA 的视频拼接技术研究[J]. 吉林大学学报(信息科学版), 2016, 34(6): 709-715.
[7]	千承辉, 王政, 左濂锐, 李春生, 刘昊明. 基于人眼识别的防疲劳驾驶系统设计与研究[J]. 吉林大学学报(信息科学版), 2016, 34(4): 522-527.
[8]	申铉京, 孙雨, 李志强. 基于手机和GSM的远程自动视频监控系统[J]. 吉林大学学报(信息科学版), 2015, 33(3): 305-309.
[9]	李旭东, 廖中浩, 孟娇. 基于CMOS摄像头的智能车控制系统设计及实现[J]. 吉林大学学报(信息科学版), 2013, 31(4): 414-418.
[10]	项力领, 刘智, 齐冀, 杨阳. 图像去噪的混合滤波方法[J]. 吉林大学学报(信息科学版), 2013, 31(3): 266-271.
[11]	赵海丽, 刘艳霞, 陈智强, 李克强. 数字视频图像传输中基于FPGA的图像去噪方法[J]. J4, 2011, 29(6): 600-606.
[12]	王峰,刘晓丹,黄万风. 基于特征提取算法下点细胞的识别侦测实现[J]. J4, 2009, 27(03): 299-.
[13]	刘树昌\|钟钢\|刘鹏\|王顺\|韩冬松. 动态检测系统中大容量高速图像同步录入技术[J]. J4, 2009, 27(02): 123-.