GrossBerg网络

1.生物学启发      

       Grossberg网络是受到了人类视觉系统的生理学研究的启发

如图，视网膜是大脑的一部分，它由三层神经细胞组成：
外层
光感受器：转化光成电信号
杆状体 – 使我们能在昏暗的情况下看见东西
锥体 – 使我们能看到精细的细节和色彩

中间层
双极细胞 – 连接光感受器到第三层
水平细胞 – 连结感受器和双极细胞
无长突细胞 – 连结双极细胞与神经节细胞

第三层
神经节细胞 – 通过视觉神经连结视网膜到大脑

（1）幻觉

         克服视网膜的不完善的吸收机制产生了幻觉，Grossberg和其他人使用了大量已知的幻觉来探测自适应感知机制。

         视网膜的吸收过程中存在着不完善之处：

         （a）视神经乳头处既无杆状细胞，也无椎体细胞，给视场造成盲点。

         （b）动脉和静脉在视网膜后部的光感受器的前面交叉，阻碍了杆状细胞及椎体细胞接收市场中的所有光线。

 

         对此，视觉路径上的神经系统做出了某些补偿处理

        （a）应急切断(Emergent Segmentation)：补偿了丢失的边界。
        （b）特征填充(Featural Filling-In)：在产生的边界内填充颜色和亮度

（2）视觉规格化

        （a）亮度一致

        （b）亮度对比

         仅觉察到相对亮度的差别，非绝对亮度。

2.基本线性系统

（1）漏积分器

 一阶线性微分方程

(1)

ε是系统的时间常量

 对于一个任意的输入p(t)，漏积分器的响应是

(2)

当p为常数，n(0)=0时，

上式变为

重要属性：

      (a)由于（1）式是线性的，如果输入p按比例变化，则响应n(t)也会以同样的大小按比例变化

      (b)漏积分器的响应速度由时间常数ε决定。当ε减少时，响应速度变快，当ε增加时相应速度变慢。

（2）并联模型

操作方程：