摘要：基于深度学习技术设计了交通场景下物体的视觉检测方法。首先基于深度卷积对抗生成网络构建了交通场景数据集,基于faster R-CNN设计了交通场景物体检测模型。上述模型利用卷积神经网络提取图像特征。采用区域推荐网络定位目标物体在图像中的具体位置,并通过卷积层在已定位区域提取的特征识别物体的具体类别。最后在不同光照环境下,测试了所提出方法的物体检测效果。测试结果表明,所设计交通场景物体检测模型获得了较好的检测结果。

摘要：针对生物神经细胞所具有的非联合型学习机制,设计了具有非联合型学习机制的新型神经元模型——学习神经元。首先,研究了非联合型学习机制中习惯化学习机制和去习惯化学习机制的简化描述;其次,建立了习惯化和去习惯化学习机制的数学模型;最后,基于经典的M-P(Mc Culloch-Pitts)神经元模型,提出了具有习惯化和去习惯化学习能力的新型神经元模型——学习神经元。经仿真实验验证,学习神经元具有典型的习惯化和去习惯化学习能力,为构建新型神经网络提供良好的基础。