viện khoa học công nghệ việt nam viện công nghệ thông tin Báo cáo tổng kết đề tài nghị định th hợp tác nghiên cứu phát triển hệ thống xử lý ảnh nhanh sở áp dụng công nghệ mạng nơron phi tuyến tế bào Chủ nhiệm đề tài: PGs TSKH phạm thợng cát 6730 19/02/2008 hà néi - 2007 MỤC LỤC Trang BÁO CÁO KẾT QUẢ KHẢO SÁT, NGHIÊN CỨU MẠNG NƠRON TẾ BÀO VÀ CÔNG NGHỆ XỬ LÝ ẢNH NHANH TRÊN MẠNG NƠRON TẾ BÀO CNN 01 1.1 Mở đầu 01 1.2 Mạng nơron tế bào CNN 03 1.3 Máy tính vạn mạng nơron tế bào CNN – UM 32 1.4 Công nghệ xử lý ảnh nhanh mạng CNN 39 1.4.1 Máy tính xử lý ảnh nhanh CNN Bi – I 39 1.4.2 Hệ phần mềm phát triển Bi – I 46 1.4.3 Thư viện xử lý ảnh InstantVision 55 1.5 Một số phương pháp xử lý theo công nghệ mạng CNN 71 1.5.1 Thiết kế mẫu (A, B, z) cho mạng CNN 71 1.5.2 Mơ hình hóa phương trình đạo hàm riêng sử dụng mạng CNN 81 1.5.3 Mô hình mắt nhân tạo sử dụng mạng CNN 86 1.5.4 Phương pháp xử lý ảnh vân tay sử dụng mạng CNN 91 1.6 Khả ứng dụng CNN 97 1.6.1 Khả ứng dụng công nghệ CNN công nghiệp ngành kinh tế 97 1.6.2 Nhu cầu tiềm ứng dụng công nghệ CNN cho quốc phòng an ninh 100 1.7 Một số kết nghiên cứu phát triển cơng nghệ CNN Viện MTA SzTAKI 104 Hungary thời gian gần XÂY DỰNG CÁC MƠ HÌNH VÀ THỬ NGHIỆM CƠNG NGHỆ XỬ LÝ ẢNH 107 NHANH CNN PHỤC VỤ CHO NGHIÊN CỨU VÀ ĐÀO TẠO 2.1 Mơ hình phát tia lửa điện phục vụ cho thí nghiệm thu ảnh tốc độ cao 107 2.2 Mơ hình nhận dạng kiểm tra sản phẩm tốc độ cao phục vụ cho nghiên cứu đào tạo 120 2.3 Thí nghiệm kiểm tra nhanh đai ốc đường sắt sử dụng công nghệ CNN 147 2.4 Thử nghiệm khả thu ảnh nhanh kiện thay đổi đột ngột thí nghiệm nổ 153 bong bóng KIẾN NGHỊ PHƯƠNG HƯỚNG PHÁT TRIỂN VÀ ỨNG DỤNG CÔNG NGHỆ Ở 165 VIỆT NAM CÁC ẤN PHẨM ĐÃ CÔNG BỐ 169 TÀI LIỆU THAM KHẢO 170 BÁO CÁO KẾT QUẢ KHẢO SÁT, NGHIÊN CỨU MẠNG NƠRON TẾ BÀO VÀ CÔNG NGHỆ XỬ LÝ ẢNH TỐC ĐỘ CAO TRÊN CƠ SỞ MẠNG NƠRON TẾ BÀO Mạng nơ ron tế bào công nghệ xử lý ảnh tốc độ cao sở mạng nơ ron tế bào lĩnh vực khoa học công nghệ Việt nam giới; có nhiều triển vọng cho nhiều ứng dụng đột phá Mục tiêu nhiệm vụ hợp tác qua đường nghị định thư với Hungary tiếp nhận làm chủ đựợc công nghệ xử lý ảnh nhanh, xử lý song song mạng nơ ron tế bào Phần báo cáo giới thiệu tóm tắt kết nghiên cứu tiếp cận công nghệ mẻ đạt nhiệm vụ Mở đầu Công nghệ xử lý sở mạng nơron tế bào CNN (Cellular Neural Networks) nhà khoa học Mỹ Hungary phát minh vào năm 1992 có tốc độ xử lý 1012 phép tính/giây áp dụng cho hệ thống xử lý ảnh nhanh 10-50000 ảnh/giây Đây bước đột phá chất cấu trúc máy tính xử lý CNN song song với hàng chục ngàn CPU kết nối thành mạng nơ ron chip Công nghệ cho phép giải nhiều toán xử lý phức tạp thời gian thực mà máy tính thơng thường chưa làm Do phát minh tảng mạng nơron, xử lý song song nên hàng loạt hội nghị quốc tế CNN tổ chức giới thời gian qua tạo tảng khoa học cho công nghệ CNN Với tốc độ xử lý 1012 phép tính/giây xử lý ảnh 10-50000 ảnh/giây ranh giới xử lý tín hiệu tương tự số khơng cịn nhiều khác biệt Các máy tính số sử dụng vi xử lý với hệ lệnh nối tiếp phát triển mạnh vài chục năm Mặc dù có nỗ lực việc cải tiến nguyên lý hoạt động vi xử lý xử lý ống lệnh (pipeline), siêu luồng (hyper threading) với việc tăng tốc độ xung đồng hồ làm việc chip vi xử lý, xử lý với hệ lệnh nối tiếp Việc giải phương trình sóng phụ thuộc khơng gian thời gian nhanh khoảng thời gian ngắn (chẳng hạn vài micro giây) thách thức với máy tính tính tốn hành Trong nhiều lĩnh vực, u cầu máy tính có cơng suất tính tốn cực mạnh cấp thiết, xử lý ảnh động thời gian thực, nhận dạng định vị đa mục tiêu di động an ninh quốc phòng, kiểm tra chất lượng sản phẩm chuyển động nhanh dây chuyền công nghiệp, xử lý chất lượng ảnh siêu âm y tế, chế tạo robot thông minh, chế tạo thiết bị không người lái Gần phần lớn nhà sản xuất vi xử lý giới nhận thấy thách thức lớn cho công nghệ thông tin thời gian tới tạo xử lý có hiệu suất cao cơng nghệ để biểu diễn hình ảnh video thời gian thực xử lý tín hiệu thời điểm thu từ nguồn khác không gian Cả hai nhiệm vụ liên quan đến tính tốn khơng gian-thời gian Việc sử dụng phương trình vi phân đạo hàm riêng rời rạc phi tuyến (Nonlinear Partial Difference Equation-PDE) giúp cho máy tính thực tính tốn có ảnh hưởng lớn Khả lợi dụng tiềm tính tốn tương tự theo mảng tín hiệu thay cho cách tính tốn số truyền thống theo dòng bit đề cập đến giải pháp Mơ hình mạng nơron tế bào hay phi tuyến tế bào CNN (Cellullar Neural/Nonliear Network) thể đầy đủ khái niệm, giới thiệu mơ hình tính tóan cho q trình xử lý ma trận hỗn hợp tín hiệu tương tự logic Từ khía cạnh xử lý siêu đẳng kết hợp với khả lập trình CNN đưa tới khái niệm máy tính vạn tương tự-logic dựa mạng nơ ron tế bào (Cellular Neural Network Universal Machine - CNN-UM) Các CNN-UM hệ đầu tỏ rõ ưu mà chưa xử lý số đáp ứng Các máy tính CNN-UM hệ sau phát triển theo hướng mở rộng cấu trúc với đặc tính học (learning) tự thích nghi (adaptive) cho máy tính tương tự-logic siêu mạnh thơng minh đủ đáp ứng nhiều địi hỏi khắt khe tính tốn xử lý thực tiễn Lĩnh vực xử lý ảnh số tĩnh xử lý ảnh động (video) hình thành phát triển vào thập kỷ đầu kỷ XX Các phương pháp xử lý ảnh bắt nguồn từ số ứng dụng nâng cao chất lượng thông tin hình ảnh mắt người xử lý số liệu, nhận dạng cho hệ thống tự động Một ứng dụng xử lý ảnh nâng cao chất lượng ảnh báo truyền qua cáp London New York vào năm 1920 Thiết bị đặc biệt mã hóa hình ảnh (báo), truyền qua cáp khơi phục lại phía thu Cùng với thời gian, kỹ thuật máy tính phát triển nên xử lý hình ảnh ngày phát triển Các kỹ thuật cho phép nâng cao chất lượng hình ảnh làm đường biên lưu hình ảnh Từ năm 1964 đến nay, phạm vi xử lý ảnh video (ảnh động) phát triển không ngừng Các kỹ thuật xử lý ảnh số (digital image processing) sử dụng để giải loạt vấn đề nhằm nâng cao chất lượng thơng tin hình ảnh Và xử lý ảnh số ứng dụng nhiều y tế, thiên văn học, viễn thám, sinh học, y tế hạt nhân, quân sự, sản xuất công nghiệp …Một ứng dụng quan trọng xử lý ảnh số mà ta khơng thể khơng nhắc đến, ứng dụng xử lý ảnh lĩnh vực thị giác máy gắn liền với cảm nhận máy móc tự động Trong đó, q trình xử lý thơng tin hình ảnh trích thơng tin cần thiết cho toán nhận dạng ảnh sử dụng nhiều thực tế Một số vấn đề điển hình ứng dụng kỹ thuật xử lý ảnh tĩnh ảnh động tự động nhận dạng chữ in chữ viết tay, nhận dạng bám mục tiêu quân sự, thị giác máy công nghiệp để giám sát, điều khiển kiểm tra sản phẩm dây chuyền sản xuất, tự động nhận dạng vân tay… Mạng nơron tế bào (Cellular Neural Networks – CNN) hệ xử lý song song có nhiều ứng dụng khái niệm nhiều lĩnh vực Chíp nơron tế bào thúc đẩy đời hệ máy tính xử lý ảnh có tốc độ xử lý cực nhanh Một số chúng máy tính BiI hãng Analogic Computer Ltd sử dụng chip CNN ACE16k có độ phân giải 128x128 pixel Máy tính cịn tích hợp xử lý tín hiệu số chất lượng cao DSP cung cấp liệu cho chip CNN điều khiển hoạt động chip Ngoài DSP đóng vai trị quan trọng nhiệm vụ xử lý ảnh chứa số toán hạng logic Sau tồn q trình tính tốn tiền xử lý phức tạp (bao gồm số lượng lớn toán hạng xử lý ảnh) thực chip CNN, DSP hồn thành nốt nhiệm vụ cịn lại Tức là, chíp CNN lọc khoảng 1% ảnh cần quan tâm, DSP làm việc phần liệu rút gọn đáng kể Hai xử lý chất lượng cao tích hợp để tạo hệ thống thị giác cực mạnh tựa sinh học, có khả tính tốn ảnh thời gian thực ứng dụng có yêu cầu cao Bi-I có xử lý truyền thông hỗ trợ giao diện khác nhau, đó, giao diện quan trọng Ethernet 100 Mbit Chương trình chạy Bi-i nạp qua Ethernet máy tính chủ đọc, ghi từ Bi-i qua Ethernet Ứng dụng công nghệ mạng nơron tế bào xử lý ảnh tốc độ cao (tốc độ xử lý 10000 ảnh/giây) công nghiệp nhiều nhóm nghiên cứu giới triển khai Ở Việt Nam, lĩnh vực mẻ chưa nghiên cứu nhiều Báo cáo nhằm giới thiệu cấu trúc, tính chất mạng nơron tế bào, máy tính thị giác Bi-I, kết nghiên cứu đạt xu phát triển CNN giai đoạn tới Báo cáo điểm qua khả ứng dụng công nghệ CNN công nghiệp, lĩnh vực y tế, an ninh quốc phòng Mạng nơ ron tế bào CNN Máy tính số tiến dần đến giới hạn vật lý tốc độ kính thước Để vượt qua trở ngại loại công nghệ tính tốn dạng "mạng nơron" đưa sở chứa vài cấu trúc mạng nơron sinh học thực mạch điện tích hợp Đặc điểm mấu chốt mạng nơron tế bào xử lý song song không đồng bộ, động học thời gian liên tục ảnh hưởng toàn cục phần tử mạng CNN Leon O Chua L.Yang giới thiệu năm 1988 [1] [4] Tư tưởng chung sử dụng mảng đơn giản tế bào liên kết cục để xây dựng hệ thống xử lý tín hiệu analog mạnh Khối mạch CNN gọi tế bào (tế bào) Nó chứa phần tử mạch tuyến tính phi tuyến bao gồm tụ tuyến tính, điện trở tuyến tính, nguồn điều khiển tuyến tính phi tuyến, nguồn độc lập Mỗi tế bào CNN nối tới tế bào láng giềng Các tế bào liền kề ảnh hưởng trực tiếp lẫn Các tế bào khơng có kết nối trực tiếp tác động đến tác động lan truyền hệ động lực liên tục mạng CNN Một ví dụ CNN chiều xem Hình Hình Mạng CNN hai chiều Về lý thuyết định nghĩa mạng CNN có nhiều chiều, tập trung trường hợp mạng CNN hai chiều cho toán xử lý ảnh nhanh Các kết suy diễn dễ dàng trường hợp mạng lớn chiều Hệ động lực tế bào mạng CNN mơ tả Hình Hình Sơ đồ khối tế bào CNN Khảo sát mạng CNN M x N có M*N tế bào xếp M hàng N cột Chúng ta gọi tế bào hàng i cột j tế bào (i,j) ký hiệu C(i,j) Láng giềng r tế bào C(i,j) mạng CNN định nghĩa { N r (i, j ) = C (k , l ) max{k − i , l − j } ≤ r ,1 ≤ k ≤ M ;1 ≤ l ≤ N } (1) r số nguyên dương (Xem hình 3) Hình Láng giềng tế bào C(i,j) với r=1, r=2 r=3 Thường thường gọi láng giềng r=1 "láng giềng 3x3", láng giềng r=2 "láng giềng 5x5", láng giềng r=3 "láng giềng 7x7" Dễ dàng nhận thấy hệ thống láng giềng định nghĩa đưa thuộc tính đối xứng ý nghĩa C(i,j) ∈ Nr(k,l) C(k,l) ∈ Nr(i,j) cho tất C(i,j) C(k,l) mạng CNN Một ví dụ tiêu biểu mạch điện tế bào mạng CNN C(i,j) mơ tả Hình 4 Hình Sơ đồ mạch điện tế bào u: tín hiệu đầu vào x: tín hiệu trạng thái y: tín hiệu đầu Nút điện áp vxij tế bào C(i,j) trạng thái tế bào điều kiện ban đầu chúng giả định có độ lớn nhỏ Nút điện áp vụij gọi đầu vào tế bào điều kiện ban đầu chúng giả định có độ lớn nhỏ Nút điện áp uyij đầu Mạch điện tế bào CNN gồm có: Một nguồn dịng chiều + Một tụ tuyến tính C + Hai điện trở tuyến tính RX RY + Một cặp nguồn dòng điều khiển qua x m điện áp tuyến tính đến từ tế bào + láng giềng điện áp đầu vào vukl hồi tiếp từ điện áp đầu vykl tế bào láng giềng C(k,l); m số tế bào láng giềng Đối với C(k,l) ∈ Nr (i,j), Ixy(i,j;k,l) Ixu(i,j;k,l) nguồn dịng tuyến tính điều khiển điện áp với đặc điểm: Ixy(i,j;k,l) = A(i,j;k,l)vykl Ixu(i,j;k,l) = B(i,j;k,l)vukl Chỉ có phần tử phi tuyến tế bào phần dòng điều khiển nguồn áp: Iyx = (1/Ry)f(vxyj) Trong hàm f(.) hàm bão hịa có đặc tính mơ tả hình Hình Đặc tính đầu phi tuyến tế bào Động lực học tế bào CNN mô tả hệ phương trình đồng nhất, bao gồm phương trình trạng thái, phương trình đầu vào, số điều kiện ràng buộc, số thơng số giả định Phương trình trạng thái: C dv xij (t ) dt =− v xij (t ) + ∑ A(i, j; k , l ).vukl + C ( k ,l ∑ Bi,(ji), j; k , l ).vukl (t ) + I bias Rx C ( k ,l )∈N r ( i , j ) )∈N r ( ≤ i ≤ M; ≤ i ≤ N (2a) Phương trình đầu ra: ( v xij (t ) + − v xij (t ) − ) ≤ i ≤ M ;1 ≤ j ≤ N v yij (t ) = (2b) Phương trình đầu vào: vuij (t) = Eij 1≤ i ≤ M ; 1≤ j ≤ N Các điều kiện ràng buộc (Constraint): v (0) ≤ 1≤ i ≤ M; 1≤ j ≤ N xij vuij ≤ Các thông số giả định (Assumption): A(i,j;k,l)=A(k,l;i,j) 1≤ i,k ≤ M 1≤ j,l ≤ N C > 0, Rx > 1≤ i ≤ M; 1≤ j ≤ N (2c) (2d) (2e) (2f) (2g) Động lực học tế bào CNN có chế liên hệ ngược (feedback) từ đầu liên hệ thuận (feedforward) qua đầu vào điều khiển Ảnh hưởng đầu liên hệ ngược hồi tiếp phụ thuộc vào trọng số tương tác A(i,j;k,l) coi toán tử liên hệ ngược Tác động đầu vào phụ thuộc vào trọng số B(i,j;k,l) gọi toán tử đầu vào Một số nhận xét chung: a) Tất tế bào(cell) bên mạng nơ ron tế bào có cấu trúc mạch giá trị phần tử mạch Những tế bào bên có (2r+1)2 tế bào lân cận, r vùng lân cận, định nghĩa Các tế bào khác gọi tế bào bao quanh Mạng nơ ron tế bào tập hợp phương trình vi phân phi tuyến tế bào mạng Đặc tính động mạng nơ ron tế bào bao gồm hai phần điều khiển đầu vào phản b) hồi đầu Kết phản hồi đầu phụ thuộc vào trọng số liên kết A(i, j, k, l), kết điều khiển đầu vào phụ thuộc vào trọng số B(i, j, k, l) Do A(i, j, k, l) coi toán tử phản hồi, B(i, j, k, l) tốn tử điều khiển Ta cịn gọi A B mẫu (template) mạng Ngòai ngưỡng Ibias ký hiệu hiệu dịch zi đóng vai trị quan trọng đặc tính động mạng CNN Giá trị phần tử mạch chọn tùy ý Trong thực tế, Rx, Ry xác định c) lượng tiêu tán mạch thường chọn khoảng kΩ tới 1MΩ CRx số thời gian đặc tính động mạch, thường chọn khoảng 10-8 tới 105 s Chức CNN xác định hoàn toàn biết mẫu phản hồi A, mẫu điều khiển B hiệu dịch z Với CNN tuyến tính bất biến khơng gian 3x3 19 số thực sau ⎡a −1,−1 a −1,0 ⎢ A = ⎢ a 0,−1 a 0,0 ⎢ a1,−1 a1,0 ⎣ a −1,1 ⎤ ⎥ a 0,1 ⎥ , a1,1 ⎥ ⎦ ⎡ b −1,−1 b −1,0 ⎢ B = ⎢ b 0,−1 b 0,0 ⎢ b1,−1 b1,0 ⎣ b −1,1 ⎤ ⎥ b 0,1 ⎥ , z b1,1 ⎥ ⎦ - Đối với ứng dụng CNN xử lý ảnh, đầu vào ukl thường cường độ điểm ảnh ảnh ảnh xám kích thước MxN ta quy định −1 ≤ u kl ≤ +1 với màu trắng ký hiệu cho –1 màu đen ký hiệu cho +1 Các biến khác xem ảnh - Trong trường hợp tổng quát, A, B z thay đổi theo ij thời gian t Tuy nhiên nhiều toán, người ta coi chúng bất biến theo thời gian khơng gian Ta trình bày tế bào CNN với đầy đủ tác động phản hồi điều khiển Hình sau [3] : ,j+ i-1 -1 u -1 1 , ji-1 b u b b -1 - u i- ,j Nguồn điện xy-náp điều khiển đầu vào tế bào xung quanh Tổng dòng nút (ij) C(i,j) b 01 u i,j+1 y i-1 ,j+ -1 y -1 a a 1, j- i+ a 01 y i,j+1 i+ 11 j+ 1, i+ y y 11 1, j-1 a a10y i+1,j a u 1 ,j- j+ 1, 1- i-1 i+ b y u 11 a 0-1 y i,j-1 + u a -1- b b10u i+1,j A Y ij B U ij i-1 ,j b 0-1 u i,j-1 Nguồn điện xy-náp điều khiển đầu tế bào xung quanh ij x b u ij ij z - ij ij x x Điện áp đầu vào C(ij) + ij + ij a y ij ij Lõi C(ij) f(xij ) Dòng ngưỡng C(ij) y ij Điện áp trạng thái C(ij) Điện áp đầu C(ij) Hình – Sơ đồ tín hiệu tế bào CNN Dải đặc tính động mạng nơ ron tế bào Trước thiết kế mạng nơ ron tế bào, ta cần xác định dải đặc tính động (dynamics range) để xem có thỏa mãn giả thiết buộc mạng hay không Vấn đề chứng minh [1] sau: Tất trạng thái vxyj tế bào mạng nơ ron tế bào giới hạn thời điểm t >0 với mạng nơ ron tế bào nào, vmax tính theo cơng thức sau: Các thơng số Rx, C, I, A(i, j, k, l) B(i, j, k, l) số có giới hạn, trạng thái tế bào có giới hạn vmax tính theo cơng thức (3) Lưu ý: Trong thiết kế mạch thực tế, ta dễ dàng chọn dải cho thông số mạch để Rx|I| ≈ 1; Rx|A(i, j, k, l)| ≈ 1; Rx|B(i, j, k, l)| ≈ với i, j, k, l Ở đây, dễ dàng ước lượng giới hạn dải đặc tính động mạng nơ ron tế bào Ví dụ vùng lân cận mạng nơ ron tế bào 3x3 có vmax ≈ 20V, giá trị phạm vi dải nguồn cung cấp thông thường cho mạch IC CMOS Trạng thái ổn định mạng nơ ron tế bào Một ứng dụng quan trọng mạng nơ ron tế bào xử lý ảnh Chức mạng nơ ron tế bào trình xử lý ảnh ánh xạ chuyển hình ảnh đầu vào tương ứng với hình ảnh đầu Ở đây, hạn chế hình ảnh đầu ảnh nhị phân với giá trị điểm ảnh –1 Tuy nhiên hình ảnh đầu vào có nhiều mức xám, cung cấp điện áp tương ứng thỏa mãn (2e) Điều cho thấy mạng nơ ron tế bào xử lý ảnh luôn phải hội tụ trạng thái ổn định số sau thời gian độ ngắn có ảnh đầu vào Để đảm bảo hội tụ mạng nơ ron tế bào ta cần xác định điều kiện giới hạn cần thiết cho hội tụ Ta khảo sát đặc tính hội tụ vấn đề liên quan đến tính hội tụ mạng nơ ron tế bào Một kỹ thuật hiệu cho phân tích đặc tính hội tụ hệ động lực phi tuyến phương pháp ổn định Lyapunov Chúng ta định nghĩa hàm Lyapunov cho mạng nơron tế bào sau: (4) Nhận xét: a) Quan sát thấy rằng, hàm Lyapunov E(t) hàm phụ thuộc vào đầu vào vu, đầu vy, giá trị điện áp mạch điện Mặc dù E(t) khơng có tồn thông tin biến trạng thái vxij, nhận trạng thái ổn định biến trạng thái từ đặc tính E(t) CÁC ẤN PHẨM ĐÃ CÔNG BỐ [1] Trần Việt Phong, Phạm Thượng Cát Mạng nơ ron tế bào ứng dụng Tạp chí Tự động hóa ngày Số: 65+66/2006 trang: 18-24 [2] Phạm Đức Long, Phạm Thượng Cát, "Công nghệ mạng nơ ron tế bào CNN ứng dụng", Tạp chí Tin học điều khiển học tập 22, số1-2006 [3] Phạm Thượng Cát Công nghệ mạng nơron tế bào CNN khả ứng dụng hệ điện tử Tuyển tập Hội nghị Cơ điện tử toàn quốc lần thứ 3, Hà nội 10/2006 [4] Trần Việt Phong, Phạm Thượng Cát Một số nghiên cứu mơ hình sinh học lĩnh vực thị giác nhân tạo Tuyển tập Hội nghị Cơ điện tử toàn quốc lần thứ 3, Hà nội 10/2006 [5] Phạm Đức Long, Phạm Thượng Cát Ứng dụng công nghệ CNN (Cellular Neural Network) kiểm tra nhanh đường sắt Tuyển tập Hội nghị Cơ điện tử toàn quốc lần thứ 3, Hà nội 10/2006 [6] Bùi Thị Thanh Quyên, Phạm Thượng Cát Ứng dụng công nghệ mạng nơ ron tế bào (CNN) cho phân lọai thuốc viên chuyển động tốc độ cao Báo cáo Hội nghị “Kỷ niệm 30 năm ngày thành lập viện Công nghệ thông tin, Viện Khoa học Công nghệ Việt Nam 1976-2006” [7] Tài liệu Hội thảo lần thứ I CNN “Công nghệ mạng nơ ron tế bào (CNN) máy tính song song xử lý ảnh Bi-I Hà nội 1/2006, 60 trang A4 [8] Tài liệu Hội thảo lần thứ II CNN “Mạng nơ ron tế bào (CNN) tính tóan nơ ron Hà nội 3/2007, 98 trang A4 [9] Tài liệu biên dịch “Thư viện xử lý ảnh INSTANT VISION cho siêu máy tính xử lý ảnh nhanh Bi-I Hà nội 12, 2006, 122 trang A4 170 TÀI LIỆU THAM KHẢO [01] [02] [03] [04] [05] [06] [07] [08] [09] [10] [11] [12] [13] [14] [15] [16] [17] L O.Chua and L Yang, “Cellular neural networks: Theory,” IEEE Trans Circuits Syst., Vol 35,pp 1257-1272, 1998 L O Chua and Roska Tamas Cellular Neural Networks and Visual Computing: Foundations and Applications Cambridge University Press 2002 Angela Slavova Cellular Neural Networks: Dynamics and Modelling Kluwer Academic Publishers 2003 L O.Chua and L Yang, “Cellular neural networks: Applications,” IEEE Trans Circuits Syst.,Vol.35 pp 1273-1290, 1998 Ákos Zarándy, Rafael Domínguez-Castro & Servando Espejo, “Ultra High Frame Rate Focal Plane Image Sensor and Processor”, IEEE Sensors Journal, Volume 2, Issue 6, December 2002, Page(s): 559 – 565 B Mirzai, D L´ým, and G S Moschytz, “Robust CNN templates: Theory and simulations,” in Proc IEEE Int Workshop Cellular Neural Networks Applications, Seville, Spain, June 1996 Bi-i Programming Guide 1.1, AnaLogic Computers Ltd, 2004 Chua L O and Roska T., The CNN paradigm, IEEE Trans on Circuits and Systems I 40 (1993) pp 147-156 CNN Software Library for ACE4K chip (Templates and algorithms) Ver 1.1, Analogical & Neural Computing labotarary Computer and Automation Institute Hungarian Academy of Sciences, 2000 D Bálya, Cs Rekeczky, T Roska," A Realistic Mammalian Retinal Model Implemented on Complex Tế bào CNN Universal Machine", 2002 Dávid Bálya, Mammalian retina modeling and on-line learning on CNN architecture from wetware to silicon, Ph.D Dissertation Dániel Hillier, V Binzberger, D L Vilarino, and Csaba Rekeczky, ”Topographic Active Contour Techniques: Theory, Implementations and Comparisons”, Int Journal on Circuit Theory and Applications E Saatci, and V Tavsanoglu, Fingerprint Image Enhancement using CNN GaborType Filters, Proc Seventh IEEE International Workshop on Cellular Neural Networks and their Application, pp 22-24, July 2002 G Tímár, and Cs Rekeczky, “A Real-time Multi-target Tracking System with Robust Multi-channel CNN Algorithms”, IEEE Trans on Circuits and Systems, Vol 52, pp 1358-1371, July, 2005 I Szatmári, “Spatio-temporal Nonlinear Wave Metric for Binary and Gray-scale Object Comparison on Analogic Cellular Wave Computers”, Int Journal of Functional Differential Equations, Vol.13, No.I, pp 89-97, 2006 I Petrás, M Gilli “Complex dynamics in one-dimensional CNNs”, Int Journal of Circuit Theory and Applications, Vol.34, No.1 pp 3-20, 2006 I Szatmári, Á Zarándy, “High-speed Label Inspection System for Textile Industry”, Proceedings of 10th IMEKO TC10 International Conference on Technical Diagnostics, Budapest, Hungary, pp 99-102, 2005 171 [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] K R Crounse and L O Chua, Methods for Image Processing in Cellular Neural Networks: A Tutorial, IEEE Trans on Circuits and Systems, Vol 42, No 10, pp 583601, October 1995 Á Zarándy, P Földesy, P Szolgay, Sz Tõkés, Cs Rekeczky, T Roska, “Various implementations of topographic, sensory, cellular wave computers”, Proceedings of IEEE International Symposium on Circuits and Systems (ISCAS’05), Kobe, Japan, Vol 6, pp 5802-5805, 2005 Leon O Chua, Tamás Roska and Péter L Venetianer The CNN is Universal as the Turing Machine IEEE Trans.on Circuits and Systems: Fundamental Theory and Applications Vol., 40, No.4, pp.289-291, 1993 Analogic Computer Ltd http://www.analogic-computer.com Ngô Tứ Thành, Ảnh vân tay đa cấp xám thuật toán tự động xác định điểm đặc trưng dựa vào dòng chảy đường vân, Tuyển tập báo cáo khoa học hội nghị toàn quốc lần thứ tự động hóa, pp 528-534, 04/1998 Phạm Đức Long, Phạm Thượng Cát, "Công nghệ mạng nơ ron tế bào CNN ứng dụng", Tạp chí Tin học điều khiển học tập 22, số1-2006 Phạm Đức Long, Phạm Thượng Cát Ứng dụng công nghệ CNN (Cellular Neural Network) kiểm tra nhanh đường sắt Báo cáo Hội nghị Cơ điện tử toàn quốc lần thứ 3, pp.363-371, Hà nội 10/2006 Qun Gao, George S Moschytz, Fingerprint feature matching using CNNS, IEEE ISCAS 2004, pp 73 – 76 Tamás Roska Cellular Wave Computers for Brain–like Spatial–Temporal Sensory Computing IEEE Circuits and Systems Magazine, pp 5-19, Second Quarter 2005 Tamás Roska Computatiomal and Computer Complexity of Analogic Cellular Wave Computer Journal of Circuits, Systems and Computers Vol., 12.pp.539-562,2003 T Roska, L.O.Chua, D Wolf T Kozek, R.Tetzlaff and F.Duffer Simulating Nonlinear Waves and Partical Differential Equations via CNNPart I: Basic Techniques IEEE Trans.on Circuits and Systems: Fundamental Theory and Applications Vol., 42, No.10, pp.807-815, 1995 T Roska, L.O.Chua, D Wolf T Kozek, R.Tetzlaff and F.Duffer Simulating Nonlinear Waves and Partical Differential Equations via CNN -Part II: Typical Examples IEEE Trans.on Circuits and Systems: Fundamental Theory and Applications Vol., 42, No.10, pp.816-820, 1995 Trần Việt Phong, Phạm Thượng Cát Một số nghiên cứu mơ hình sinh học lĩnh vực thị giác nhân tạo Báo cáo Hội nghị Cơ điện tử toàn quốc lần thứ 3, pp.168-172, Hà nội 10/2006 Tamas Roska and L.O Chua The CNN Universal Machine: An Analogic Array Computer IEEE Trans.on Circuits and Systems: Analog and Digital Signal Processing Vol., 40, No.3, pp.163-173, 1993 Tamas Roska , L.O Chua, T Kozek and A Zarandy CNN Universal Chips Crank up the Computing Power 172 [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] IEEE Circuits and Devices: July 1996 pp.18-28 T Kozek, T Roska, and L O Chua, “Genetic algorithm for CNN template learning,” IEEE Trans Circuits Syst I, vol 40, pp 392–402, June 1993 T Roska, Á Rodríguez-Vázquez Towards Visual Microprocessors.J Circuits, Systems, and Computers, 13, in print 2003 T Roska and L.O.Chua The CNN Universal Machine: 10 years later Journal of Circuites, Systems, and Computers, Vol.12, No.4, August 2003 T Roska, “Cellular Wave Computers for Brain-Like Spatial-Temporal Sensory Computing”, Circuits and Systems Magazine, second quarter 2005, pp 5-19, 2005 Z Nagy, P Szolgay, “Solving Partial Differential Equations on Emulated Digital CNN-UM Architectures”, Int Journal of Functional Differential Equations, Vol 12 Ákos Zarándy and Csaba Rekeczky Bi-I: A Standalone Ultra High Speed Cellular Vision System IEEE Circuits and Systems Magazine pp 36-45, Second Quarter 2005 A.Wahab, S.H.Chin, E.C.Tan , Novel approach to automated fingerprint recognition, IEE Proc – Vis Image Signal Process, Vol 145, pp 160-166, June 1998 Ákos Zarándy, "The Art of CNN Template Design", MTA SzTAKI Report , 1998 Cellular Wave Computing Library (Templates, Algorithms, and Program) Ver.2.1 CSW-1-2007 MTA SzTAKI Eutecus Inc Berkley http://www.eutecus.com Analogic and Neural Computing Lab http://lab.analogic.sztaki.hu/ 173 PHẦN PHỤ LỤC: TÒAN VĂN CÁC BÀI BÁO ĐÃ CÔNG BỐ [1] Trần Việt Phong, Phạm Thượng Cát Mạng nơ ron tế bào ứng dụng Tạp chí Tự động hóa ngày Số: 65+66/2006 trang: 18-24 [2] Phạm Đức Long, Phạm Thượng Cát, "Công nghệ mạng nơ ron tế bào CNN ứng dụng", Tạp chí Tin học điều khiển học tập 22, số1-2006 [3] Phạm Thượng Cát Công nghệ mạng nơron tế bào CNN khả ứng dụng hệ điện tử Tuyển tập Hội nghị Cơ điện tử toàn quốc lần thứ 3, Hà nội 10/2006 [4] Trần Việt Phong, Phạm Thượng Cát Một số nghiên cứu mơ hình sinh học lĩnh vực thị giác nhân tạo Tuyển tập Hội nghị Cơ điện tử toàn quốc lần thứ 3, Hà nội 10/2006 [5] Phạm Đức Long, Phạm Thượng Cát Ứng dụng công nghệ CNN (Cellular Neural Network) kiểm tra nhanh đường sắt Tuyển tập Hội nghị Cơ điện tử toàn quốc lần thứ 3, Hà nội 10/2006 [6] Bùi Thị Thanh Quyên, Phạm Thượng Cát Ứng dụng công nghệ mạng nơ ron tế bào (CNN) cho phân lọai thuốc viên chuyển động tốc độ cao Báo cáo Hội nghị “Kỷ niệm 30 năm ngày thành lập viện Công nghệ thông tin, Viện Khoa học Công ngh Vit Nam 1976-2006 174 viện khoa học công nghệ việt nam viện công nghệ thông tin Báo cáo tóm tắt đề tài nghị định th hợp tác nghiên cứu phát triển hệ thống xử lý ảnh nhanh sở áp dụng công nghệ mạng nơron phi tuyến tế bào Chủ nhiệm đề tài: PGs TSKH phạm thợng cát hà nội - 2007 BO CO NH GI TĨM TẮT NHIỆM VỤ NGHỊ ĐỊNH THƯ I THƠNG TIN TỔNG QUAN: TÊN NHIỆM VỤ: “ Hợp tác nghiên cứu phát triển hệ thống xử lý ảnh nhanh sở áp dụng công nghệ mạng nơron phi tuyến tế bào” THỜI GIAN THỰC HIỆN: Bắt đầu: 1/01/2005 Kết thúc: 31/12/2006 ĐỐI TÁC VIỆT NAM: a Tên quan chủ trì Việt Nam (tên, địa chỉ, website): Tên: Viện Công nghệ thông Tin thuộc Viện Khoa học Việt nam Địa chỉ: 18 Hòang Quốc Việt, Hà nội Web site: http://www.ioit.ac.vn b Chủ nhiệm đề tài Tên: PGS TSKH Phạm Thượng Cát Điện thoại quan: 04-8361445 Fax: 04-8363485 Email: ptcat@ioit.ncst.ac.vn Điện thoại di động: 0913307703 c Danh sách 05 cán khác trực tiếp tham gia nghiên cứu (tên, điện thoại quan, fax, email, điện thoại di động) TS Phạm Minh Tuấn, Viện Công nghệ Thông Tin, 04-8363485 Th.S Trần Việt Phong , Viện Công nghệ Thông Tin , 04-8363484 Th.S Bùi Thị Thanh Quyên, Viện Công nghệ Thông Tin, 04-8363484 Th.S Phạm Ngọc Minh, Viện Công nghệ Thông Tin , 04-8363484 Th.S Phạm Đức Long, Đại Học Thái Nguyên, 0912551589 GS TSKH Nguyễn Đức Cương, Viện Tên Lửa, 069516064 ĐỐI TÁC NƯỚC NGOÀI: a Tên Cơ quan đối tác nghiên cứu nước (tên, địa chỉ, website) Tên: Viện nghiên cứu máy tính tự động hóa thuộc Viện Hàn lâm khoa học Hungary (MTA SzTAKI) Magyar Tudomanyós Akademia Szamitás Technikai es Automatizalási Kutató Intezet) Địa chỉ: 1111 Budapest Kende ut 13-17, Hungary Web site: http://www.sztaki.hu b Chủ nhiệm đề tài (tên, điện thoại quan, fax, email, điện thoại di động) Tên: Viện sỹ Roska Tamas Điện thoại quan: +36 279 6151, +36 279 6155, +36 209 5263 Fax: +36 209 5264 Email: roska@sztaki.hu c Danh sách 05 cán khác trực tiếp tham gia Prof Szolgai Peter, MTA SzTAKI, szolgai@sztaki.hu, +36 279 6128, Dr Rekeczky Csaba, MTA SzTAKI, rcsaba@lutra.sztaki.hu, +36 279 6131, Dr Zarandy Akos, MTA SzTAKI, zarandy@sztaki.hu , +36 279 6131 Dr Barfai Gusztav, MTA SzTAKI, guztav.barfai@sztaki.hu , +36 371 1660 Prof Radvanyi Andras, MTA SzTAKI, radvanyi@sztaki.hu +36 279 6128 KINH PHÍ PHÍA VIỆT NAM: a Tổng kinh phí: - Kinh phí hỗ trợ từ ngân sách Nhà nước: 800 000 000 VND b Kinh phí chi 800 000 000 VND KINH PHÍ CỦA ĐỐI TÁC (ƯỚC TÍNH) 200 000 Euro II KẾT QUẢ VÀ ĐÁNH GIÁ: CÁC NỘI DUNG CHÍNH ĐÃ TRIỂN KHAI CỦA PHÍA VIỆT NAM: a Nghiên cứu phương pháp tính tốn xử lý ảnh sử dụng mạng nơron tế bào CNN b Nghiên cứu làm chủ công nghệ hệ thống phần mềm phát triển xử lý ảnh nhanh Bi-i 10.000 ảnh/s c Nghiên cứu xây dựng 02 mơ hình nhận dạng xử lý ảnh nhanh sử dụng công nghệ mạng nơron tế bào CNN phục vụ cho nghiên cứu đào tạo bao gồm: - Mơ hình thu ảnh tia lửa điện tốc độ > 10 000 fps - Mơ hình nhận dạng xử lý ảnh phân lọai sản phẩm (thuốc viên , ốc vít ) tốc độ cao d Phát triển chương trình phần mềm cơng cụ phần mềm ứng dụng công nghệ mạng nơron tế bào CNN e Tổ chức 02 seminar, hội thảo khoa học công nghệ CNN Bi-i với hỗ trợ chuyên gia Hungary f Hợp tác với Hungary đào tạo công nghệ xử lý ảnh nhanh cho cán Việt Nam g Đề xuất kiến nghị phương pháp phát triển ứng dụng công nghệ xử lý ảnh nhanh CNN cho công nghiệp quốc phịng 2 CÁC NỘI DUNG HỢP TÁC CHÍNH VỚI ĐỐI TÁC: a Thu thập , trao đổi thông tin kết nghiên cứu công nghệ CNN triển khai Hungary b Triển khai đợt khảo sát, nghiên cứu học hỏi trao đổi học thuật công nghệ xử lý ảnh nhanh sở nghiên cứu đào tạo Hungary bao gồm - Phịng thí nghiệm tính tóan nơ ron tương tự - số (Analogical and Neural Computing Systems Laboratory) thuộc Viện MTA SzTAKI - Khoa Công nghệ Thông tin Đại học Veszprem Hungary - Khoa Công nghệ Thông tin Đại học Pázmany Budapest Hungary - Doanh nghiệp Khoa học công nghệ Analogic Computer Ltd Của MTA SzTAKI c Mở khóa đào tạo cho cán việt nam cơng nghệ lập trình cho mạng CNN thực hành siêu máy tính xử lý ảnh Bi-I Hungary d Tiếp đón địan Viện MTA SzTAKI gồm Viện sỹ Keviczky László Viện sỹ Róska Tamás sang Việt nam vào tháng 10 tháng 12 năm 2007 Các địan Hungary trình bày phương hướng kết nghiên cứu CNN tham quan khảo sát phịng thí nghiệm Viện CNTT, khoa CNTT Khoa Điện trường đại học Bách khoa Hà nội, Đại học quốc gia Hàn nội Đại học Thái nguyên Hai bên thảo luận trí tiếp tục hợp tác phát triển đào tạo nghiên cứu lĩnh vực CNN Vịêt nam CÁC KẾT QUẢ ĐẠT ĐƯỢC: a Các nghiên cứu CNN bao gồm - Cấu trúc, mơ tả tóan học, tính ổn định hệ động lực mạng nơ ron tế bào - Các phương pháp thiết kế ma trận trọng liên kết mạng CNN - Mối quan hệ CNN với hệ phương trình vi phân đạo hàm riêng tuyên tính phi tuyến - Các template (A, B,z) CNN xử lý ảnh nhanh - Cấu trúc máy tính tế bào vạn xử lý luồng liệu CNN UMF (Cellular Neural Network Universal Machin over Flows) b Nghiên cứu làm chủ công nghệ mạng nơ ron tế bào CNN, hệ thống phần cứng hệ phát triển phần mềm cho máy tính xử lý ảnh nhanh Bi-I c Xây dựng 02 mơ hình thu nhận xử lý ảnh tốc độ cao > 10000 fps cho nghiên cứu đầo tạo d Tổ chức 03 Hội thảo khoa học công nghệ CNN cho đông dảo cán khoa học Viện nghiên cứu , Trường đậi học số công ty công nghệ cao - Hội thảo CNN lần thứ đuợc tổ chức vào tháng 1/2006 Hà nội - Hội thảo CNN lần thứ hai đuợc tổ chức vào tháng 3/2007 Hà nội - Hội thảo CNN lần thứ hai đuợc tổ chức vào tháng 12/2007 Đại Học Thái Nguyên e Đăng tải cơng trình CNN tạp chí, hội nghị khoa học nước f Nâng cao lực cán khoa học công nghệ Việt nam: - 05 cán đào tạo học hỏi cơng nghệ CNN phịng thí nghiệm, nghiên cứu phát triển CNN Hungary - 01 thạc sỹ bảo vệ thành công luận án CNN - 04 NCS làm luận án tiến sỹ CNN g Xây dựng 01 phòng thí nghiệm nhỏ cơng nghệ CNN Viện Cơng nghệ thơng tin h Hình thành số nhóm nghiên cứu CNN - Viện Công nghệ thông tin thuộc Viện KH CN Việt nam - Viện Công nghệ thông tin thuộc Trung tâm khoa học kỹ thuật công nghệ Quân - Khoa Công nghệ thông tin Đại học Thái nguyên i Các kết khác - Bước đầu đưa hứớng công nghệ CNN tính tóan nơ ron vào Việt nam Tíếp tục trì phát triển quan hệ hợp tác KH&CN với Viện sỹ Viện Hàn lâm khao học Hungary giáo sư đầu ngành làm việc Viện nghiên cứu Máy tính Tự động hóa MTA SzTAKI Hungary ĐÁNH GIÁ: a Đánh giá chất lượng kết KH&CN Nhiệm vụ (có thể so sánh với số nội dung nghiên cứu có liên quan tiến hành nước từ trước đến nay) - Lĩnh vực công nghệ mạng nơ ron tế bào lĩnh vực mói, chưa tiến hành nghiên cứu từ trước đến nước Đề tài dã hòan thành đầy đủ nội dung nhiệm vụ đặt với chất lượng tốt b Ứng dụng vào thực tiễn đời sống (sản xuất, kinh doanh) - Công nghệ CNN công nghệ cao trội có nhiều tiềm ứng dụng lớn Tuy nhiên giới phát triển CNN giai đọan bùng nổ nghiên cứu bản, phát triển giải pháp đột phá ứng dụng thử nghiệm Việc ứng dụng CNN vào thực tế tập trung vào đơn đật hàng NASA Cộng Hòa lien bang Đức giá thành chip CNN cao Việc ứng dụng vào sản xuất kinh doanh đại trà khiêm tốn đuợc dự báo vào thời gian tới chip CNN sản xuất hàng lọat với gía thành rẻ Nắm bắt xu đề tài tiến hành nghiên cứu khả ứng dụng CNN vào cơng nghiệp an ninh quốc phịng c Đánh giá lực tính tiên tiến (đi trước, kinh nghiệm) đối tác nước Viện sỹ Roska Tamás nhà khoa học phát minh máy tính vạn tế bào CNN giới Phịng thí nghiệm CNN Viện sỹ Roska Tamás Viện MTA SzTAKI phòng thí nghiệm hàng đầu CNN giới vói đông đảo cán nghiên cứu d Nêu đánh giá tầm quan trọng vai trò hỗ trợ đối tác nước (rút ngắn thời gian nghiên cứu nước, kết thu có chất lượng tương đương quốc tế, ) Đề tài may mắn hợp tác trực tiếp với Viện sỹ Roska Tamás nhóm nghiên cứu Ơng Viện MTA SzTAKI nhận nhiều hỗ trợ qúi giá tài liệu, phần mềm, đào tạo, tham quan thí nghiệm trực tiếp thường xuyên trao đổi, khao học nhanh chóng qua e-mail Internet Sự hợp tác giúp đỡ nhiệt tình rút ngắn đựợc nhiều thời gian nghiên cứu nứoc Khi tổ chức hội thảo CNN, đề tài Viện sỹ Roska Tamás tư vấn nội dung hỗ trợ tài liệu cần thiết gửi cho Hội thảo kết nghiên cứu lĩnh vực CNN III ĐỀ XUẤT KIẾN NGHỊ: KIẾN NGHỊ Để theo kịp xu phát triển tạo bước đột phá công nghệ cao, Việt nam cần sớm đưa chương trình đào tạo, mở mơn học tính tóan nơ ron, công nghệ mạng nơ ron tế bào vào trường đại học cho bậc đào tạo đại học sau đại học Đặc biệt cần đẩy mạnh nghiên cứu công nghệ CNN giai đọan bước đầu tư trang thiết bị cho nghiên cứu phát triển ứng dụng chọn lọc thời gian tới Các kiến nghị chi tiết đề tài tổng hợp báo cáo ” Kiến nghị phương hướngphát triển cơng nghệ CNN tính tóan nơ ron Việt nam” Một số phương hướng sau a Về đào tạo phát triển nguồn nhân lực - Mở khóa đào tạo, nâng cao trình độ cho giảng viên đại học cơng nghệ CNN tính tóan nơ ron nước thực tập nước ngòai - Biên sọan giáo trình giảng dạy CNN neuro-computing cho bậc đại học cao học - Từng bước đưa môn học CNN tính tóan nơ ron vào chương trình đào tạo đại học cao học số trường đại học tiên tiến giới (có thể mời giáo viên thỉnh giảng ngòai nước) - Mở mơn tính tóan nơ ron với phịng thí nghiệm cơng nghệ CNN số trường đại học trọng điểm - Đào tạo Nghiên cứu sinh làm luận án tiến sỹ công nghệ CNN - Trao đổi giáo trình, phương pháp giảng dạy thí nghiệm thực hành CNN với sở đào tạo khu vực giới b) Về nghiên cứu - Nghiên cứu tính ổn định hỗn lọan (chaotic) mạng nơ ron phi tuyến tế bào nhiều lớp có trễ - Nghiên cứu phương pháp giải hệ phương trình vi phân đạo hàm riêng (tuyến tính phi tuyến) sử dụng mơ hình mạng CNN - Nghiên cứu ngun lý sóng, thuật tóan CNN tính đặc trưng sóng phi tuyến CNN cho ứng dụng xử lý ảnh nhận dạng phân lọai bám mục tiêu di động - Nghiên cứu phương pháp mã hóa giải mã thơng tin dịng liệu (spartial-temporal flows) video, trường audio… - Nghiên cứu thuật tóan CNN nhận dạng nhanh cho chữ viết tay - Nghiên cứu thuật tóan CNN phối hợp (fusion) đa kênh, đa phổ cho định hướng địa hình đa mục tiêu - Nghiên cứu phương pháp xử lý nhanh ảnh y tế - Nghiên cứu mô hình CNN sinh học số giác quan sinh vật thị giác, xúc giác, thính giác, vị giác, khứu giác, cảm nhận nhiệt độ vùng da vv… c) Về nghiên cứu định hướng ứng dụng Xây dựng đề tài nghiên cứu theo số hướng sau - Nghiên cứu phát triển hệ xử lý ảnh siêu âm, ảnh cắt lớp 2D, 3D thời gian thực - Nghiên cứu phát triển hệ thống xử lý ảnh nhanh cho số ứng dụng công nghiệp - Nghiên cứu phát triển hệ thống nhận dạng đa mục tiêu di động cho ứng dụng dân dụng quốc phòng - Nghiên cứu phát triển hệ thống xử lý dịng ảnh video theo cơng nghệ CNN cho ứng dụng phục chế, nén, mã hóa phim ảnh vv d) Biện pháp triển khai hướng nghiên cứu triển khai CNN nêu - Xây dựng đề tài chương trình nghiên cứu nhà nước, đề tài cấp cấp trường, Viện - Hợp tác nghiên cứu CNN với giáo sư Lab CNN khu vực giới Nhật bản, Đài loan, Trung quốc, Mỹ, Hungary, Tây ban nha, Ý, Thổ nhĩ kỳ, Hà lan, - Xây dựng đề tài chương trình nghiên cứu trọng điểm cơng nghệ thơng tin, cơng nghệ tự động hóa nhà nước, đề tài cấp cấp trường, Viện - Hợp tác với sở sản xuất, dịch vụ, sở y tế, binh chủng có nhu cầu ứng dụng để đầu tư nghiên cứu phát triển hệ thống - Tuyển nghiên cứu sinh học viên cao học triển khai nghiên cứu làm luận án TS, Cao học hướng nêu - Đề xuất đề tài hợp tác quốc tế CNN từ nguồn kinh phí nhà nước, từ qũy khoa học Mỹ (NSF), chương trình hợp tác nghiên cứu Khoa học EU, qũy hỗ trợ nghiên cứu châu Á Canada, Hàn quốc, Thụy điển, APEC vv - Học hỏi hợp tác nghiên cứu với giáo sư Lab CNN khu vực giới Nhật bản, Đài loan, Trung quốc, Mỹ, Hungary, Tây ban nha, Ý, Thổ nhĩ kỳ, Hà lan… triển khai nghiên cứu liên quan e) Các đề xuất khác - Tăng cường quảng bá cơng nghệ CNN tính tóan nơ ron để cấp lãnh đạo hệ trẻ thấy tiềm to lớn lợi ích quốc gia việc đầu tư cho phát triển lĩnh vực - Tăng cường công bố cơng trình nghiên cứu tổ chức hội nghị, hội thảo quốc gia quốc tế liên quan đến cơng nghệ CNN tính tóan nơ ron DỰ KIẾN CÁC NỘI DUNG SẼ TRIỂN KHAI TIẾP THEO (trên sở kế thừa kết Nhiệm vụ, triển khai nước với đối tác nước ngồi) a Duy trì hợp tác với Viện sỹ Roska Tamás Viện MTA SzTAKI đào tạo, nghiên cứu ứng dụng công nghệ CNN b Tiếp tục triển khai nghiên cứu CNN định hướng sau: - Nghiên cứu template mạng CNN phương pháp thiết kế template thuật tóan CNN xử lý ảnh tốc độ cao - Nghiên cứu cấu trúc thuật tóan CNN cho mô thời gian thực hệ thống phức tạp mơ hình phương trình vi phân đạo hàm riêng - Nghiên cứu đặc trưng sóng phi tuyến lan truyền mạng CNN áp dụng cho tóan nhận dạng ảnh động - Nghiên cứu tính ổn định hỗn lọan ( chaotic) hệ động lực phi tuyến mạng nơ ron tế bào CNN c Triển khai viết giáo trình bậc đại học sau đại học CNN tính tóan nơ ron cho trường Đại học Việt nam d Xây dựng đề tài cho sinh viên làm đồ án tốt nghiệp cao học đại học CNN e Tiếp tục thu hút nghiên cứu sinh trẻ làm luận án tiến sỹ CNN Hà nội ngày 30 tháng 12 năm 2007 Chủ trì nhiệm vụ PGS TSKH Phạm Thượng Cát Phiếu đăng ký kết thực nhiệm vụ khoa học công nghệ (Ban hành kèm theo Quyết định số 03/2007/QĐ-BKHCN ngày 16/3/2007 Bộ trưởng Bộ Khoa học Công nghệ) Tên đề tài: “Hợp tác nghiên cứu phát triển hệ thống xử lý ảnh nhanh sở sử dụng công nghệ mạng nơ ron phi tuyến tế bào” Cấp đề tài: Nhà nước Mã số đề tài :.29/2005/HĐ-NĐT Thuộc Chương trình: Nghị định thư với Hungary Cơ quan chủ trì đề tài: Viện Cơng nghệ Thơng Tin Địa chỉ: Điện thoại: 18 Hịang Quốc Việt Hà nội 7564405 Cơ quan chủ quản: Viện Khoa Học Công nghệ Việt nam Địa chỉ: Điện thoại: 18 Hoàng Quốc Vịêt Hà nội 7567305 Tổng kinh phí (triệu đồng) : 1600 Trong đó, từ ngân sách Nhà nước (triệu đồng): 800 Thời gian thực hiện: .24 tháng, tháng 01 /.2005 kết thúc 12 / 2006 Chủ nhiệm đề tài : Họ tên Phạm Thượng Cát Học hàm, học vị: PGS TSKH Danh sách cá nhân tham gia nghiên cứu (ghi họ tên, học hàm, học vị): PGS TSKH Phạm Thượng Cát TS Phạm Minh Tuấn ThS Phạm Đức Long Th.S Trần Việt Phong ThS Bùi Thị Thanh Quyên KS Phan Minh Tân ThS Phạm Hồng Long ThS Nguyễn Tuấn Minh ThS Vũ Đức Thái 10 ThS Phạm Ngọc Minh 11 GS TSKH Nguyễn Đức Cương 10 Đề tài nghiệm thu thức theo Quyết định số 296/QĐ-BKHCN ngày 10 tháng 12 năm 2007 Bộ Khoa Học Công nghệ 11 Họp nghiệm thu thức ngày 22 tháng12.năm 2007 Viện Công Nghệ Thông Tin 12 Bảo mật thông tin: A - Không mật 13 Sản phẩm giao nộp (ghi số lượng cụ thể): 13.1 Phiếu đăng ký 01 13.2 Biên họp nghiệm thu: 01 13.3 Báo cáo tổng kết 01 13.4 Báo cáo tóm tắt 01 .quyển 13.5 Đĩa CD 01 đĩa 14 Chủ nhiệm đề tài (Ghi rõ họ tên, học hàm học vị ký) 15 Xác nhận quan chủ trì (Thủ trưởng ký tên, đóng dấu) PGS TSKH Phạm Thượng Cát ... SÁT, NGHIÊN CỨU MẠNG NƠRON TẾ BÀO VÀ CÔNG NGHỆ XỬ LÝ ẢNH NHANH TRÊN MẠNG NƠRON TẾ BÀO CNN 01 1.1 Mở đầu 01 1.2 Mạng nơron tế bào CNN 03 1.3 Máy tính vạn mạng nơron tế bào CNN – UM 32 1.4 Công nghệ. .. ĐÃ CÔNG BỐ 169 TÀI LIỆU THAM KHẢO 170 BÁO CÁO KẾT QUẢ KHẢO SÁT, NGHIÊN CỨU MẠNG NƠRON TẾ BÀO VÀ CÔNG NGHỆ XỬ LÝ ẢNH TỐC ĐỘ CAO TRÊN CƠ SỞ MẠNG NƠRON TẾ BÀO Mạng nơ ron tế bào công nghệ xử lý ảnh. .. đựợc công nghệ xử lý ảnh nhanh, xử lý song song mạng nơ ron tế bào Phần báo cáo giới thiệu tóm tắt kết nghiên cứu tiếp cận công nghệ mẻ đạt nhiệm vụ Mở đầu Công nghệ xử lý sở mạng nơron tế bào