Protocomputing架构在一个数字媒体针对实时视频处理

文摘

protocomputational架构提出了实现古老的反应扩散模型作为微电子硬件。数字媒介选择的物理映射protoarchitecture作为一种从可靠先进的集成电路制造技术中受益。密集的运动向量场的提取碗筷视频序列中的对象被选中作为一个实际的应用程序。实时视频处理的结果在30 fps使用FPGA实现protoarchitecture提出的物理实现。

1。介绍

现代基于冯诺依曼体系结构的处理器系统延续广泛处理任务由个人的连续执行指令实现算法。事实是被广泛接受的这些架构适合高效地处理大量的简单的代数操作内存有限的交换,而他们在处理任务效率大大降低,是自然的和快速的哺乳动物如的脸和对象识别,功能,特点提取。人工神经网络(1),最近,机器学习模型和算法出现在概念上解决这样复杂的问题,例如,(2]。

然而,计算之前已经存在在自然界的存在任何物理支持工程和人类的计算,例如,数学结构化思维,几何计算的支持,和机械和电子计算系统。操作和行为的神经元,神经网络的拓扑结构,大脑和更一般的操作一直是灵感的源泉的学科包括计算神经科学、神经形态计算和工程(3]。Protocomputing正成为小说研究学科接受两个基本假设;即(一)计算并不局限于可兴奋组织和哺乳动物也由简单的生物处理以及液体的形式和材料化学和物理过程和反应往往形成非线性动力系统与复杂的行为和(b)这个处理的非常基本的性质可能持有其属性从生命和宇宙的起源。

仍然处于起步阶段,protocomputing规程主要是解决在理论的层面上发展,建模和算法研究[4]。Decision-solving方法和算法已经提出了有效地解决复杂优化问题利用特定特性的物理现象(5]。Wet-laboratory实验借给自己特别好实验的角度来看,特别是考虑到化学和生物学相关的方法。复杂的时空振荡动力学开发的原始单细胞变形虫在解决复杂环境适应作为灵感解决np难问题(6]。黏菌的使用构建各种传感和详细计算讨论了构建块(7]。合成生物学的研究方向之一是由祖先序列重建获得理解生活和它的起源机制(8]。光子实验介质应用于解决multiarmed土匪问题利用超混沌振荡激光动力学(9]。天文学和生物天文学也寻求理解生命起源的计算。

从电子角度来看,protocomputation可能被认为是一个经典的设备级的角度,也就是说,作为一门学科旨在执行非传统的计算从特定的电特性中获益的小说,post-CMOS设备,因此定位在重叠高级开关设备研究和材料科学,例如,单电子晶体管,石墨烯和量子器件,分子电子学。一般来说,利用这些设备需要与CMOS技术的电路级混合使用。因此,经典模拟MOSFET设计是用来放大过低当前水平和创造功能,能够成功是界面上的其他电路和外部世界。

大多数protocomputing演示设备级的实验可能被认为是概念旨在理解媒体的操作和特征计算。原型支持真实实验面临扩展问题相关的动态控制和适应计算机媒体。在这项工作中,我们提出利用稳定和容易理解的数字技术作为计算机媒体。protocomputing系统被实现为一个protoarchitecture映射到数字媒体。拟议中的protocomputing系统包括一个反应扩散过程中观察到的基本化学和生物条件发展。使用元胞自动机的方法实现的算法(10,11),这是映射到一个数字protoarchitecture。作为该方法的优点,一个真正的应用程序实时视频处理的例子证明。异常行为,卓越检测和注意力吸引是哺乳动物的反射认知过程的一部分。运动检测是这些任务的先决条件。运动检测条件下的移动物体没有纹理用作应用程序利用protocomputation架构实现实时。

部分2。1细节的问题,选择的细胞自动机实现反应扩散算法。最初的RD算法适应支持其灵活的并行操作作为一个解决方案,支持实时操作广泛或输入空间的大小。部分2。2- - - - - -2。4现在基本protoarchitecture及其实现数字计算中。体系结构和它的实时调度的控制。部分3.1提出了实现结果和演示的实时能力提出protoarchitecture在现实的应用程序中。最后一个方法,使缩放输入空间(输入图像大小),指示正确的级别的并行性,以达到实时操作提出了部分3.2。部分4给出了结论。

2。材料和方法

在下面,一个方法基于祖先反应扩散算法组成的真实视频示例创建纹理到碗筷对象的目的使实时运动矢量提取。基本条件的具体开发实现实时操作由protoarchitecture及其映射成一个数字媒体。

最初的上下文中开发的视频压缩技术(12),运动矢量估计发现新应用领域随着现代无处不在的消费电子产品和智能视觉传感器,与例子包括目标跟踪(13手势,用户界面(14,图像稳定15)、监视、事件分析和自动异常检测监控摄像头,深度图估计,3 d视觉,揭示动态研究活动在最近几年16]。经典运动矢量提取算法使用块匹配(17)是已知的高质感的地区提供准确的结果图像,当他们在低纹理区域表现不佳。最近的智能机器视觉应用程序使用块匹配提出了增加约束的必要性,正确的运动向量场实时提取。运动矢量的生成的字段是用于进一步的算法处理严重,因此必须满足标准的空间均匀性(18]。例如,后加工任务,如分类可能需要一个精确的运动矢量场的密度以减少错误率。提出了边缘跟踪和粒子滤波器作为探测和跟踪解决方案碗筷对象,导致计算复杂的算法,例如,(19),因此实际使用有限的能源贫瘠的便携式系统。

2.1。细胞自动机产生空间模式针对碗筷对象的运动矢量估计

反应扩散(RD)算法最初被引入模型不同的化学物种的浓度动态放在彼此的存在在一个容器(20.]。扩散过程的基本自然现象代表了宏观效应观察到由于大量不规则单个粒子的微观运动,分散的运动的结果。粒子可能由化学物质,细胞或细菌,或更大的物种(动物)21]。反应了一个涉及粒子的转换到另一个物种,由于两个或两个以上物质的扩散。

在原来的表情,RD模型被定义在一个连续的空间域。RD考虑催化剂和抑制剂的动力学独立空间领域的适应过程后,提出了(22]。扩散的催化剂和抑制剂1维空间是通过下面的扩散方程来描述: 在哪里代表催化剂的扩散系数或抑制剂,的空间, 空间浓度在时间 。一般的解决方案是由 在哪里代表了初始浓度 和代表着循环指标,进一步用于(4)(6)。在[22),两个独立的扩散方程对催化剂和抑制剂,(我)扩散系数的抑制剂是更大的价值比催化剂和(2)相同的初始浓度设置为两个扩散方程。这里我们介绍一个新颖的方法,只使用一个扩散方程来描述原始模型方程。首先,扩散活化剂在执行时间与初始浓度 ,和获得的结果 。然后扩散进一步持续了额外的时间 ,和描述的结果是 。应该注意到它 和 分别代表扩散的催化剂和抑制剂的结果,因为 通过扩散的 在 ,相当于two-diffusion-equation系统在相同初始浓度 。其次,正如在22],微分催化剂和抑制剂的浓度由乙状结肠放大功能和设置为随后的初始条件作为 在哪里代表乙状结肠的增益函数代表介绍的偏移值(22]。当 , ,因此,通过假设 和重新定义作为 ,(3)简化为 通过使用 ,后续获得的是 和广义更新方程

在特定参数集,RD算法生成的离散版本可重复的、稳定的空间模式(23,24)组成的条纹和斑点从最初图像并应用迭代处理。从今以后,此属性用于在视频场景中创建纹理,特别是碗筷移动的物体。假设帧间运动是足够小,那么接下来的纹理碗筷的运动对象,使检测运动的纹理,而不是对象边缘,作为经典算法的局限性。提出了一种算法实现上述原则在25]。采访过程中定义其基本形式在一个连续的空间域。下面描述的过程(22),采访过程的动态适应支持独立离散领域的催化剂和抑制剂的扩散,最终复杂到一个二维数组的细胞。

二维RD /图片和视频序列应用于一维的组合处理,过程后,提出了在25)和交付模式稳定,即使是在一个嘈杂的环境。管理的理论方法推导反应扩散方程的连续时间和空间域被修改以支持电路级的方法表达 在哪里是一个自然数表示像素的强度,索引图像的像素的行,和代表的数量扩散过程,或扩散步骤。一个离散迭代更新包括许多扩散步骤应用从最初的行像素的强度。随后的反应由减法和非线性放大的物流功能。几个需要更新生成稳定的模式。

本研究扩展了前面的理论研究反应扩散模式生成算法的实现作为一个protoarchitecture映射到数字媒体。现场可编程门阵列(FPGA)是物理实现选择启用实时protocomputation建立应用程序的操作。

2.2。一维反应扩散Protoarchitecture针对数字媒体的实现

数据流和框图表示一维模式生成过程如图所示1。理想的阶跃输入的例子是呈现在图1(一个),这是由系统处理,直到达到稳定状态后更新10号空间波(一维模式)。沿着第一阶跃输入的进度更新显示,证明边缘平滑通过扩散,扩散状态的减法从输入步骤,和非线性放大的结果。路系统的状态图呈现在图1(b),显示两种基本状态,即扩散和反应组成的减法和放大,以及迭代所需数据传递过程和用箭头表示。系统的状态图包括过滤器呈现在图1(c),下方的状态图代表了RD过程大多数时候,和状态图的上半部分代表了过滤后反复的过程。认识到常规的滤波过程由扩散步骤中,图的综合状态图1(d)可以推导出,证据可能的扩散和过滤,使用相同的参考资料。控制和取消碰撞的空间波是通过空间滤波的作用过程,应用第一次更新后,然后反复后固定数量的更新,例如,图1(一),在过滤过程中(红色框)。过滤器由一步扩散(模糊),这不是紧随其后(减法和放大)的反应过程。此外,空间滤波器控制潜在影响噪声的扩散,其效果不是放大,产生阻尼其传播。实际上,过滤重复频率,扩散步骤的数量,和乙状结肠函数的最大增益因素确定经验;例如,在我们的应用程序的情况下,一个扩散滤波应用每四步更新而获得的乙状结肠函数等于五。

一维的protoarchitecture处理模块是来源于26),由四个主要的子图2。第一个扩散子模块负责根据(扩散的计算7)。第二个反应子模块进程所需的减法和放大来完成一个更新。最后,两个线缓冲区实现为先进先出(FIFO)内存段FIFO-A FIFO-B临时存储一行或列,分别和一个行或列处理。数据传输和处理作为一个词,因此所有操作符和转让行处理或存储,分别携带的话,这并不是吸引增加可见性的图;12位词使用的特定开发应用程序进一步详细。整个protoarchitecture在流媒体运营模式,连续不断地处理数据从内存位置。因此内存管理是减少全球读/写操作控制,并且没有解决需要生成的内部过程。

CMOS传感器的输入流或临时输入帧缓冲区。在这两种情况下,地址仅限于逐行扫描的控制方案,CMOS成像器的一部分,它由一个简单的计数器,当帧缓冲内存使用。一个输入多路复用器作为源选择设备。RD过程始于收购一行(行或列)帧的视频序列的连续流的输入终端连续词代表相邻的像素强度连续像素。输入多路复用器将选择输入,交付给扩散子模块,同时也存储在FIFO-A扩散的第一步。FIFO-A有能力存储整个行或列,释放完成后存储。

连续并行交付FIFO-A,像素也送到扩散。延迟线形成三个定时D触发器(D-FF)银行接受传入的像素,这样他们存储三个相邻像素后连续三个时钟周期。因此,D-FF银行位于中间位置存储像素 ,D-FF银行位于最右边的连锁店像素的一部分 ,和D-FF银行位于最左边的连锁店像素的一部分 。这种情况适用于执行的扩散计算像素根据(7)。三个像素强度值是通过多路复用器的四个输入加法器。最终,加法器的输出转移到右边两次实现由四个部门的操作。这个过程重复在每个时钟周期,因此在流模式下,连续扩散的新中心像素计算。每一个新的扩散值计算路由到FIFO-B多路复用器。因此,在完成扩散,一行(行或列)造成一个存储在FIFO-B扩散步骤。两个多路复用器位于加法器的输入可能重新配置妥善处理限制条件发生在图像的边界;一般来说,常数边界条件承认,限制的值,例如,一个像素的行或列0,两次用于更换的值和不存在的,因为他们是身体以外的数组。中央像素总是连接到两个四个输入的蛇,例如,实现乘法系数等于2。

一个新的扩散步骤可以完成上一步后立即开始。输入多路复用器被设置为路由FIFO-B扩散子模块,并重复上述过程。在这个新的步骤中,没有提供成像仪输入,FIFO-A停用,存储初始nonprocessed框架。几个步骤的扩散可能会这样处理,每实现一个迭代抑制剂扩散表示为 在(6);他们的数值计算实现了参数 。

最后一步反应操作开始时的扩散是通过扩散流的子模块。反应子模块(减法和放大)和FIFO-A尽快激活扩散的扩散像素完成,也就是说,在扩散的输出子模块。第一个扩散像素是减去从第一像素存储在FIFO-A属于原始nondiffused线。减法交付到最终处理的结果组成的乙状结肠操作实现以下功能, 。函数和它的参数是根据应用程序预先计算的值。词根函数被实现为一个查找表(LUT)存储预先计算的值,使快速、准确交付结果。最右边的多路复用器路线路的输出数据反应FIFO-B子模块。反应结束时计算,一个更新完成。

后续更新索引 在(6)执行,直到一个稳定的行生成模式,产生 。没有输入交付从图像传感器或输入帧缓冲,和输入数据来源于FIFO-B。因此,一个新的更新开始交付的数据内容FIFO-B扩散子模块和FIFO-A并行,上述过程后收益。

确定的算法研究中,一些过滤过程是定期需要和两个更新之间的交叉。的过滤过程由扩散步骤,也就是说,没有反应。因此,过滤操作是应用严格使用扩散子模块,而反应和FIFO-A子是无效的。

在完成一行的RD计算,结果送到输出。随后,整个采访过程重复,使用下一行,直到所有行和列分别由一维处理模块。在这一点上,一维RD一帧的过程就完成了。交付处理过的数据进行二维聚合,和一个新的框架可以由一维RD处理模块。

2.3。二维反应扩散Protosystem

应用二维RD获得图像的应用一维RD过程每一个行和列,分别如图3(一个)。硬件用于处理每一行或列是相同的,由前面电路呈现在图2。然而,行和列的顺序处理不会产生实时操作。作为一个行和列的独立处理,这个过程可以被并行处理加速。两列和两行与此同时处理一维RD计算。随后的二维聚合由一个乘法的行和列强度值的像素从RD获得个人处理的行和列。

二维实时RD处理protoarchitecture呈现在图3 (b)。RD, WR,公关,分别表示读,写,和处理操作。系统数据流输入来源于一个图像传感器,实时,而输出是将进一步处理单元,例如,连续提取操作块匹配的运动矢量生成的RD框架,并进一步利用这个结果。体系结构包括两个并行数据路径,每个处理两行两列,分别在平行。两个输入帧缓冲区存储相同的水平和垂直分辨率的图像,例如, 像素或 像素。这两个图片是由四维路模块,处理结果存储在两个输出帧缓冲区。信号控制的四个是相同的子路径大大简化了控制器。为了实现这个特性,图像存储输入帧缓冲是图像的旋转和镜像版本存储在输入帧缓冲 。这个存储组织是通过适当的在内存地址代写。因此,以读模式和使用相同的帧缓冲区地址,输入帧缓冲提供了两个连续的行而输入帧缓冲连续送两列。最后,一个乘数骨料的行和列的数据获得每个像素输出帧缓冲区和并提供RD图像进一步处理。

详细的系统总结了图的时间图3 (c)。这里,帧缓冲区写操作被标记为蓝色,读操作标记为绿色,RD模块处理标记为黑色。读/写/过程的变化模式是写在第一个涉及数据,而垂直波浪线描述的数据不会显示提高能见度。只有时间图上数据路径处理两行显示,为了清晰。的时间图可以获得更低的数据路径处理两列复制上的计时数据路径,而改变成当输入帧缓冲在阅读模式。在这里表示行框架的表示列 。

因此,二维框架处理纹理生成由一维RD模块提供数据组织在一个二维数组后时分方案,从而降低电路的复杂性和系统作为一个整体,而并行操作加速全球处理达到实时操作。

2.4。硬件实现和目标平台

RD的protoarchitecture系统硬件平台和FPGA实现实时处理。一个Terasic DE10标准板嵌入一个气旋V FPGA和配备了TRDB-D5M 5 M像素CMOS图像传感器采集外围板。数据从图像传感器获得在8位RGB格式。结果显示使用外部显示屏通过VGA连接链接。董事会操作频率是50 MHz而核心电路可以操作(表1),图像采集率是可编程70 fps(每秒帧数)。

操作特征和合成结果有关的核心系统,嵌入1 d模块图2展示在表1。整个被认为是核心,具体包括输入帧缓冲区支持 和 窗口处理。后一种情况下,水平的1 d模块并行从4个增加至20和管道应用来限制FPGA块ram使用恒定输入帧缓冲区大小。然而,服务相机接口等电路故意不包括到合成的结果。

3所示。结果与讨论

整个二维RD系统的操作protoarchitecture确认使用数值模拟和半自然的图像。连续视频图像的大小 从自然背景像素创建了一个碗筷移动对象。虽然产生的形象似乎合成人类的眼睛里,重新创建方案事实上符合预期的实际条件,在一个对象出现没有结构进入一个场景。纹理的消失可能造成局部饱和由于高强度反射成像像素的场景,例如,白色物体在高照度的情况下移动,或获得成像仪的不足,可能造成一个图像传感器自动调整其获得高动态范围的环境。

图4提出了数值模拟上述情况。硬件的Verilog RTL模型用于处理显示数据。为了获得视觉上有意义的证据,十帧独立的原始输入如图4(一)对图4 (b);原始物体的运动显然是明显的。使用传统块匹配的运动矢量提取技术相比的结果RD-based提出技术。结果呈现在图4,(a)和(c)属于相同的图像,和(b)和(d)与另一个相同的图像。传统的块匹配算法得到的运动矢量所示红色(a)和(b),清楚地证明,运动只能检测到边缘垂直于运动。相比之下,(c)和(d)表明,使用该技术得到的向量场和硬件模拟使用RTL模型,在一系列密集的红色运动矢量检测对象内部,沿边缘生成的模式,碗筷对象运动。

3.1。实时硬件Protosystem

节中给出的硬件平台2。4用于生成实时的结果RD模式生成自然从相机获得的电影,为了进一步生成运动向量场。图像领域是有限的 像素的硬件物理资源。结果呈现在图5protosystem确认正确的操作。

真正的室内环境情况是用来证实算法的容量和硬件实现,由单一的黑色矩形移动对象的文本背景。处理帧大小等于 像素,和物体运动已经取得了足够重要,例如,创建定性结果可见。背景可能被收购和加工略有模糊由于有限的景深的光学透镜系统使用。从收购和加工提取的图像视频流量和图所示5。图像的动态范围压缩到3位前处理,可以在硬件实现的简单的接线。因此,图像可能会出现黑暗的人类观察员。运动向量场是获得软件块匹配的RD帧呈现在图5(c)。运动向量的生成密集的领域出现在红色里面动碗筷对象确认。一些意想不到的运动向量出现在移动物体的面积。那些出现在移动物体的部分覆盖的地区以前是不正确的,虽然预期;他们确认的必要性来满足假设一个缓慢移动的物体或高采集速度。系统是非常敏感的任何运动,但也在现场,亮度变化的好处迭代RD的过程,包含一个高放大非线性过程。因此,一些向量可能不对应于一个场景内产生运动,但对应一个寄生亮度的变化。这些向量是不正确的,但是很少。一组不同的参数算法可能会修复这些错误决定的运动向量,然而,成本下降的比例正确检测到向量。因此,作为一个实时系统,操作速度之间的权衡(迭代次数)和性能指标,系统必须被发现。在任何传感器和检测系统,这些性能指标定义从真正的正面和负面的,假积极和消极的检测,对预期的总组向量。 These metrics must be extracted from empirical experiments carried over multiple sets of data, that is, various videos acquired with different conditions, for example, image size, motion distance, and illumination. This systematic study is beyond the scope of this paper. In addition, conforming to the theory of reaction-diffusion systems, the proposed system is observed to operate in optimal conditions consisting of a high contrast of intensity between the object and its background, and in presence of a highly textured background where existing features promote local and global fixing of the RD patterns. Finally, the motion vector field obtained using classical block matching only generates vectors at the edges, or underneath zones that were covered by the object in the previous frame. Consequently, the number of vectors that appear in Figure5(d)预计将显著降低较小的碗筷对象的运动。相比之下,该技术成果应该提高幅度较低的运动,不正确的向量的个数应该减少,而正确的向量应该保持稳定。

给出了实时实验装置图6。优化的并行实现protosystem使实时操作的窗口 像素。杯内的放大图显示生成的模式呈现碗筷是因为它的颜色和高强度照明的场景。的窗口大小 像素不代表任何限制的方法或protoarchitecture但与FPGA的内存容量。因此,窗口大小对硬件资源扩展是一个主要的担心是在下面讨论。

3.2。实时硬件缩放Protoarchitecture

protocomputational系统的计算能力是由支持介质的性质,以及它的物理范围。实时操作的概念因此缺席在自然计算。相比之下,一种自然现象的模拟不同类型的基质构成自然计时精度对反映的问题。这个问题很好理解在计算机科学和解决实时概念的规定时间计算模拟模型符合实际环境中所需的时间。是很常见的模拟系统包括微电子和计算机系统的虚拟中受益,平行,或冗余实现并行计算,支持实时能力。在这种背景下,缩放的程度protocomputation系统具有很少或没有意义对自然系统。然而,考虑到选定的视频应用程序和并行化的概念上面所讨论的,比例出现相关的硬件问题,被提议的protoarchitecture完全支持,并在下面讨论。

获得的图像的大小通常是由应用程序或图像传感器的标准。硬件实现RD算法应该适应,例如,覆盖整个图像。考虑实时操作强制性规范的结果严格的需要分配额外的硬件资源实现缩放处理大型图像大小。

系统扩展可能支持考虑三种可能的protoarchitectural适应性。的BRAM-parallel protoarchitecture (BPA)包括增加每一行的像素数量,同时增加并行的水平保持30帧,即并行数据路径的数量(1 d模块)在图3。最终,一个图像可能形成一个单独的窗口。应选择不同级别的并行性有关的数量单位处理并行的行和列,为了适应矩形图像格式。的module-parallel protoarchitecture (MPA)规定并行双酚a的小块的大小。一些周边小型重叠窗口可以用来保证生成的运动矢量一致性。采访过程的固定边界条件规定这个重叠,其大小取决于RD参数。最后,一个混合的BPA和MPA可以考虑。

决策准则关于适当的缩放protoarchitecture是基于分析所需的硬件资源,理论上是一阶的窗口大小,呈现在图7。理论分析(蓝色跟踪)命令窗口大小和硬件资源之间的线性关系。BPA和MPA架构是等价的理论曲线的位置。然而在实践中,必须考虑二阶效应,包括适应的必要性RD参数窗口的大小,可能给应用程序。例如,RD更新的数量必须应用获得稳定的模式可能会有所不同的窗口大小,最终反映到硬件资源分配。因此,减少一些关键参数可能导致一个真正的曲线比例低于理论上预测和潜在倾向于饱和(红色)。BPA架构最好在这些条件下,充分受益的硬件资源扩展。相比之下,增加了一些关键参数可能导致实际曲线比例高于理论预测和潜在倾向于一个指数行为(绿色)。MPA架构最好在这些条件下,抑制硬件扩展一个严格的理论行为。

4所示。结论

本文演示了使用数字组成的一种方法的正确性物理媒介的目的实现反应扩散算法。专用protoarchitecture开发,随后媒体映射到实现。实时操作的一个现实的视频处理应用程序演示了使用该方法和protoarchitecture,而经典算法失败。具体来说,应用反应扩散碗筷对象进入视频帧获得30 fps为了创建纹理允许密集领域的实时运动矢量的生成。仿真和实际运行结果使用windows的大小 像素证实算法的适用性,protocomputing架构,及其硬件实现。提出了一种扩展方法,支持实时操作。

的利益冲突

作者宣称没有利益冲突有关这篇文章的出版。

确认

本研究支持的jsp补助金为jsp的同伴和科学创新研究领域的补助金2511001503的教育、文化、体育、科学和技术(下边了)的日本。

引用

1. 微积分,神经网络和学习机器皮尔森,第3版,2008年版。
2. 格拉汉姆·古德费勒,y Bengio, a .考维尔深入学习、自适应计算和机器学习美国大众,麻省理工学院出版社,2016年。视图:MathSciNet
3. a·施密德“神经形态微电子设备硬件系统和应用程序,”非线性理论及其应用,IEICE,7卷,不。4、468 - 498年,2016页。视图:出版商的网站|谷歌学术搜索
4. 铃木y”计算,利用自然”自然计算和超越》第六卷在信息和通信技术程序施普林格,页49 - 70年,东京,日本,2013年。视图:出版商的网站|谷歌学术搜索
5. S.-J。金,“有效决策,利用物理现象的计算能力,”IEICE技术代表。,卷116,不。2017年3月,514,pp。S2016-45。视图:谷歌学术搜索
6. m . Aono m . Naruse S.-J。金et al .,“Amoeba-inspired nanoarchitectonic计算:解决棘手的计算使用纳米级光致激发传输动力学问题,“朗缪尔卷,29号24日,第7564 - 7557页,2013年。视图:出版商的网站|谷歌学术搜索
7. a .亚达马特兹基绒泡菌机器的进步,遥感与黏菌和计算施普林格,卷。74年,2016年。视图:MathSciNet
8. b . Kacar和e·a·高雪氏症”,在实验室对古代历史的重演:合成生物学与实验相结合进化,”国际会议的程序仿真和生命系统的综合11到18门页。视图:出版商的网站|谷歌学术搜索
9. m . Naruse y遗体,分别和S.-J。a .田金,“超快光子强化学习基于激光混沌。”科学报告,7卷,不。1,货号。8772年,2017年。视图:出版商的网站|谷歌学术搜索
10. m·马库斯·b·赫斯,“各向同性细胞自动机模型的媒体。”自然,卷347,不。6288年,56-58,1990页。视图:出版商的网站|谷歌学术搜索
11. 魏玛和j。j . r .恩,”一类反应扩散系统的元胞自动机”,物理评论E:统计、非线性和软物质物理学卷,49号2、1749 - 1752年,1994页。视图:出版商的网站|谷歌学术搜索
12. A . j . Tabatabai r s Jasinschi, t·纳文”运动估计方法进行视频压缩,复习一下,”富兰克林研究所杂志》上,卷335,不。8,1411 - 1441年,1998页。视图:出版商的网站|谷歌学术搜索
13. t . Yokoyama t Iwasaki t .渡边,“基于运动矢量的运动物体检测和跟踪在MPEG压缩域,”在基于内容的多媒体检索学报》第七届国际研讨会,CBMI 2009希腊,页201 - 206年,2009年6月。视图:出版商的网站|谷歌学术搜索
14. m .田中、日本专利Kokai jp2014 - 52934 a, 2014年。
15. y高木涉、日本专利Kokai jp2012 - 15959 a, 2012年。
16. m·p·Vijaykumar a·库马尔,s . Bhatia”运动估计研究的最新趋势、应用和创新,“国际科学与工程研究杂志》上,卷2,p。1。视图:谷歌学术搜索
17. n k Parmar和m . h Sunwoo”,基于块的运动估计技术,最新进展”IETE技术评审,32卷,不。5,356 - 363年,2015页。视图:出版商的网站|谷歌学术搜索
18. m . Mori t . Itou m .她Asai t, t·黑田和m .来自“运动矢量估计利用fpga设计高速成像及其应用运动与神经网络分类,“信号处理杂志,18卷,不。4、165 - 168年,2014页。视图:出版商的网站|谷歌学术搜索
19. c . Choi和h·克里斯坦森,“3 d碗筷对象检测和跟踪:一个edge-based方法”学报》第25届IEEE / RSJ机器人和智能系统,国际会议上——2012年葡萄牙,页3877 - 3884年,2012年10月。视图:出版商的网站|谷歌学术搜索
20. i r·爱泼斯坦和j·a .我介绍非线性化学动力学、振动波,模式和混乱,牛津大学出版社,1998年。
21. j·d·穆雷我数学生物学:介绍施普林格,纽约,纽约,美国第三版,2002年,第11章。视图:MathSciNet
22. 铃木y . t .高山、i Motoike和t . Asai”条纹和斑点模式生成反应扩散元胞自动机:理论和大规模集成电路实现,”国际期刊的非传统的计算,3卷,p。13日,2007年。视图:谷歌学术搜索
23. j·d·穆雷我数学生物学:介绍施普林格,纽约,纽约,美国第三版,2002年,第7章。视图:MathSciNet
24. m姑娘和h·舒斯特尔,”一个细胞自动机来描述空间有序结构形成的化学系统,“自然史D36卷,第221 - 209页,1989年。视图:谷歌学术搜索
25. m . Ushida施密德,t . Asai k .石村和m .来自“碗筷对象的运动矢量估计利用反应扩散元胞自动机,”国际期刊的非传统的计算,12卷,不。2 - 3、169 - 187年,2016页。视图:谷歌学术搜索
26. k .石村,k现年施密德,t . Asai和m .来自“FPGA实现hardware-oriented反应扩散元胞自动机模型,”非线性理论及其应用,IEICE》第六卷,没有。2、252 - 262年,2015页。视图:出版商的网站|谷歌学术搜索

版权

版权©2018葵Tanibata et al。这是一个开放的访问分布在条知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。