視覺腦機制與類腦智能算法

目錄
前言
第1章 腦的視覺系統(tǒng)解剖結構和生理學基礎 1
1.1 鳥類視覺系統(tǒng)的解剖結構與生理學基礎 1
1.1.1 鳥類視覺系統(tǒng)的解剖結構 1
1.1.2 鳥類視覺系統(tǒng)的生理學基礎 3
1.2 哺乳類視覺系統(tǒng)的解剖結構與生理學基礎 4
1.2.1 哺乳類視覺系統(tǒng)的解剖結構 4
1.2.2 哺乳類視覺系統(tǒng)的生理學基礎 5
1.3 總結 6
參考文獻 6
第2章 視覺神經(jīng)機制解析與建?；A 12
2.1 神經(jīng)信號檢測及預處理 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)信號預處理 17
2.2 神經(jīng)編/解碼理論基礎 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 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 48
參考文獻 48
第3章 鳥類視覺系統(tǒng)工作機理與信息處理機制 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理 54
3.2.1 視網(wǎng)膜-頂蓋-圓核信息傳遞機理 54
3.2.2 頂蓋與峽核的信息傳遞機理 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制 63
3.3.3 前腦介導的自上而下*高優(yōu)先級選擇 75
3.4 其他機制 78
3.4.1 SGC神經(jīng)元的運動檢測機制 79
3.4.2 SGC獨立于定義運動目標的各種提示信息的運動感知 82
3.5 總結 84
參考文獻 84
第4章 哺乳類視覺系統(tǒng)工作機理與信息處理機制 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 視覺信息處理機制 94
4.2.1 視覺注意機制 95
4.2.2 稀疏編碼機制 98
4.2.3 目標不變性表征機制 100
4.3 初級視皮層小世界連接的神經(jīng)元集群響應機制及量化框架 104
4.3.1 小世界連接的集群響應量化框架構建原理 104
4.3.2 典型視覺刺激的電生理實驗設計 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 138
參考文獻 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制 143
5.1.1 神經(jīng)元響應的信息論分析 145
5.1.2 FSL的建模 146
5.1.3 結果分析 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 實驗結果分析 163
5.2.4 討論 172
5.3 總結 173
參考文獻 174
第6章 鳥類視頂蓋神經(jīng)解碼 177
6.1 視覺刺激模式設計 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 197
參考文獻 198
第7章 生物視覺機制啟發(fā)的類腦算法及應用 199
7.1 類腦智能和算法引論 199
7.2 脈沖神經(jīng)網(wǎng)絡及應用 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)絡學習算法 206
7.2.4 脈沖神經(jīng)網(wǎng)絡應用舉例 212
7.3 經(jīng)典哺乳類動物腦啟發(fā)算法及應用 215
7.3.1 稀疏編碼網(wǎng)絡 215
7.3.2 卷積神經(jīng)網(wǎng)絡 220
7.3.3 循環(huán)神經(jīng)網(wǎng)絡 224
7.4 鳥類離頂蓋機制啟發(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)同信息處理機制的大視場小目標檢測模型 237
7.5.1 基于鳥類離頂蓋、離丘腦、副視系統(tǒng)信息處理機制的目標識別框架 237
7.5.2 大場景小目標實驗和結果 243
7.5.3 結論 249
7.6 總結 250
參考文獻 250