視覺腦機(jī)制與類腦智能算法

目錄
前言
第1章 腦的視覺系統(tǒng)解剖結(jié)構(gòu)和生理學(xué)基礎(chǔ) 1
1.1 鳥類視覺系統(tǒng)的解剖結(jié)構(gòu)與生理學(xué)基礎(chǔ) 1
1.1.1 鳥類視覺系統(tǒng)的解剖結(jié)構(gòu) 1
1.1.2 鳥類視覺系統(tǒng)的生理學(xué)基礎(chǔ) 3
1.2 哺乳類視覺系統(tǒng)的解剖結(jié)構(gòu)與生理學(xué)基礎(chǔ) 4
1.2.1 哺乳類視覺系統(tǒng)的解剖結(jié)構(gòu) 4
1.2.2 哺乳類視覺系統(tǒng)的生理學(xué)基礎(chǔ) 5
1.3 總結(jié) 6
參考文獻(xiàn) 6
第2章 視覺神經(jīng)機(jī)制解析與建?；A(chǔ) 12
2.1 神經(jīng)信號檢測及預(yù)處理 13
2.1.1 神經(jīng)信號的產(chǎn)生 13
2.1.2 神經(jīng)信號檢測 14
2.1.3 神經(jīng)信號預(yù)處理 17
2.2 神經(jīng)編/解碼理論基礎(chǔ) 23
2.2.1 神經(jīng)編碼—發(fā)放率與Spike統(tǒng)計特性 24
2.2.2 逆相關(guān)與視覺感受野 30
2.2.3 其他編碼分析方法 32
2.2.4 神經(jīng)解碼 36
2.3 神經(jīng)元建?；A(chǔ) 38
2.3.1 線性-非線性-泊松模型 38
2.3.2 廣義線性模型的理論框架 39
2.3.3 神經(jīng)元建模軟件 41
2.4 總結(jié) 48
參考文獻(xiàn) 48
第3章 鳥類視覺系統(tǒng)工作機(jī)理與信息處理機(jī)制 52
3.1 鳥類視覺系統(tǒng)的工作原理 52
3.2 離頂蓋通路中的信息傳遞機(jī)理 54
3.2.1 視網(wǎng)膜-頂蓋-圓核信息傳遞機(jī)理 54
3.2.2 頂蓋與峽核的信息傳遞機(jī)理 57
3.2.3 峽核與視網(wǎng)膜-頂蓋-圓核通路的交互 60
3.3 鳥類的顯著注意機(jī)制 62
3.3.1 生物的視覺顯著性 62
3.3.2 自下而上的刺激競爭機(jī)制 63
3.3.3 前腦介導(dǎo)的自上而下*高優(yōu)先級選擇 75
3.4 其他機(jī)制 78
3.4.1 SGC神經(jīng)元的運動檢測機(jī)制 79
3.4.2 SGC獨立于定義運動目標(biāo)的各種提示信息的運動感知 82
3.5 總結(jié) 84
參考文獻(xiàn) 84
第4章 哺乳類視覺系統(tǒng)工作機(jī)理與信息處理機(jī)制 91
4.1 哺乳類視覺系統(tǒng)的工作原理 91
4.1.1 皮層下通路 92
4.1.2 皮層視覺通路 93
4.2 視覺信息處理機(jī)制 94
4.2.1 視覺注意機(jī)制 95
4.2.2 稀疏編碼機(jī)制 98
4.2.3 目標(biāo)不變性表征機(jī)制 100
4.3 初級視皮層小世界連接的神經(jīng)元集群響應(yīng)機(jī)制及量化框架 104
4.3.1 小世界連接的集群響應(yīng)量化框架構(gòu)建原理 104
4.3.2 典型視覺刺激的電生理實驗設(shè)計 110
4.3.3 小世界框架在V1區(qū)集群信息表征上的有效性驗證 111
4.4 初級視皮層“廣義線性-動態(tài)小世界”集群編碼模型 119
4.4.1 “廣義線性-動態(tài)小世界”集群編碼模型的構(gòu)建原理 120
4.4.2 模型的實現(xiàn)步驟 124
4.4.3 模型參數(shù)的確定 128
4.4.4 模型的有效性驗證 133
4.5 總結(jié) 138
參考文獻(xiàn) 138
第5章 鳥類視頂蓋快速、顯著感知神經(jīng)編碼模型 143
5.1 信鴿視頂蓋神經(jīng)元的空間模式信息快速編碼機(jī)制 143
5.1.1 神經(jīng)元響應(yīng)的信息論分析 145
5.1.2 FSL的建模 146
5.1.3 結(jié)果分析 150
5.1.4 討論 156
5.2 信鴿視頂蓋神經(jīng)元的快速顯著感知編碼機(jī)制 157
5.2.1 雙高斯差模型 159
5.2.2 基于極大似然函數(shù)的GLM模型 160
5.2.3 實驗結(jié)果分析 163
5.2.4 討論 172
5.3 總結(jié) 173
參考文獻(xiàn) 174
第6章 鳥類視頂蓋神經(jīng)解碼 177
6.1 視覺刺激模式設(shè)計 177
6.2 基于局部場電位的神經(jīng)信息解碼 179
6.2.1 局部場電位特征提取 179
6.2.2 局部場電位神經(jīng)信息解碼模型的建立 181
6.2.3 自然圖像重建參數(shù)的選擇 182
6.2.4 基于局部場電位的自然圖像信息解碼 184
6.3 基于動作電位的神經(jīng)信息解碼 185
6.3.1 動作電位特征提取 185
6.3.2 解碼模型的建立 186
6.3.3 圖像重建參數(shù)的選取 188
6.3.4 基于動作電位的自然圖像信息解碼 194
6.4 總結(jié) 197
參考文獻(xiàn) 198
第7章 生物視覺機(jī)制啟發(fā)的類腦算法及應(yīng)用 199
7.1 類腦智能和算法引論 199
7.2 脈沖神經(jīng)網(wǎng)絡(luò)及應(yīng)用 202
7.2.1 脈沖神經(jīng)元模型 203
7.2.2 基于脈沖的神經(jīng)編碼 204
7.2.3 脈沖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法 206
7.2.4 脈沖神經(jīng)網(wǎng)絡(luò)應(yīng)用舉例 212
7.3 經(jīng)典哺乳類動物腦啟發(fā)算法及應(yīng)用 215
7.3.1 稀疏編碼網(wǎng)絡(luò) 215
7.3.2 卷積神經(jīng)網(wǎng)絡(luò) 220
7.3.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 224
7.4 鳥類離頂蓋機(jī)制啟發(fā)下的運動檢測算法 228
7.4.1 運動物體的局部速度計算模型 229
7.4.2 鳥類離頂蓋通路啟發(fā)下的全局運動檢測算法 230
7.5 基于鳥類離頂蓋-離丘腦-副視系統(tǒng)協(xié)同信息處理機(jī)制的大視場小目標(biāo)檢測模型 237
7.5.1 基于鳥類離頂蓋、離丘腦、副視系統(tǒng)信息處理機(jī)制的目標(biāo)識別框架 237
7.5.2 大場景小目標(biāo)實驗和結(jié)果 243
7.5.3 結(jié)論 249
7.6 總結(jié) 250
參考文獻(xiàn) 250