作为自然计算的一个新分支，膜计算探讨如何利用生命细胞(含神经细胞)机理抽象出新的计算模型。全书共7章，分别介绍膜计算的基本概念、基本模型、聚类模型、卷积模型、循环模型，以及卷积模型在数字图像处理和循环模型在自然语言处理中的应用。本书力图在膜计算基本概念和基本模型的基础上，重点阐述膜计算的三种学习模型及应用，旨在向读者介绍膜计算这个新兴研究领域。书中内容取材于国内外最新的资料，并且总结了作者近年来的研究成果，反映了膜计算学习模型与应用的研究现状和最新水平。

更多科学出版社服务，请扫码获取。

1983.09-1987.07，四川师范大学数学专业，本科 1987.09-1990.07，四川师范大学数学专业，研究生 2008.07-2011.07，电子科技大学信号与通信工程专业，博士研究生 1990.07-至今，西华大学（原四川工业学院）计算机与软件工程学院教师。现为三级教授，博士生导师，四川省突出贡献专家。长期从事计算机和人工智能等学科的研究和教学工作。专长于生物计算与人工智能的研究。是省属高校科研创新团队“生物计算与应用”负责人。人工智能

目录
前言
第1章 绪论 1
1.1 背景 1
1.2 膜计算简介 2
1.3 脉冲神经P系统简介 4
1.4 本书章节组织 7
参考文献 7
第2章 膜计算的基本模型 13
2.1 基础知识 13
2.2 细胞型P系统 15
2.2.1 基本的细胞P系统 15
2.2.2 带通信规则的细胞P系统 17
2.2.3 活性膜P系统 19
2.2.4 数值P系统 21
2.3 组织型P系统 24
2.4 神经型P系统 26
2.4.1 脉冲神经P系统 26
2.4.2 非线性脉冲神经P系统 28
2.5 本章小结 31
参考文献 31
第3章 聚类模型 34
3.1 概述 34
3.2 基于随机数值P系统的数据聚类 35
3.2.1 数据聚类问题 35
3.2.2 随机数值P系统 36
3.2.3 基于随机数值P系统的膜聚类模型 38
3.2.4 模型评估 43
3.3 基于进化-通信P系统的模糊聚类 45
3.3.1 模糊聚类问题 45
3.3.2 聚类有效性指标 46
3.3.3 进化-通信P系统 48
3.3.4 基于进化-通信P系统的模糊膜聚类模型 50
3.3.5 模型评估 54
3.4 基于组织P系统的多目标模糊聚类 56
3.4.1 多目标模糊聚类问题 56
3.4.2 基于组织P系统的多目标模糊膜聚类模型 58
3.4.3 模型评估 62
3.5 基于活性膜P系统的自动模糊聚类 64
3.5.1 自动模糊聚类问题 64
3.5.2 基于活性膜P系统的自动模糊膜聚类模型 64
3.5.3 模型评估 70
3.6 本章小结 73
参考文献 73
第4章 卷积模型 76
4.1 概述 76
4.2 经典的神经元模型 77
4.3 脉冲神经机制启发的神经元模型 78
4.3.1 非线性脉冲神经P系统 78
4.3.2 SNP-like神经元模型 80
4.4 嵌入SNP-like神经元的深度学习模型 81
4.4.1 ConvSNP模型 81
4.4.2 ConvSNP模型的设计与实现 83
4.5 模型评估 85
4.6 本章小结 88
参考文献 89
第5章 循环模型 90
5.1 概述 90
5.2 LSTM-SNP模型 91
5.2.1 门控变体I 91
5.2.2 模型描述 92
5.2.3 模型实现 95
5.2.4 模型评估 96
5.3 GSNP模型 98
5.3.1 门控变体II 98
5.3.2 模型描述 99
5.3.3 模型实现 101
5.3.4 模型评估 101
5.4 NSNP-AU模型 103
5.4.1 门控变体III 103
5.4.2 模型描述 105
5.4.3 模型实现 107
5.4.4 模型评估 108
5.5 ESNP模型 111
5.5.1 特殊化的NSNP系统 111
5.5.2 模型描述 112
5.5.3 模型评估 115
5.6 本章小结 118
参考文献 118
第6章 卷积模型在数字图像处理中的应用 122
6.1 边缘检测 122
6.1.1 概述 122
6.1.2 SNP-like神经元模型与卷积块 123
6.1.3 边缘检测的特征融合框架 124
6.1.4 模型评估 128
6.2 图像超分辨率分析 133
6.2.1 概述 133
6.2.2 图像超分辨率网络 135
6.2.3 模型评估 142
6.3 视网膜血管图像分割 146
6.3.1 概述 146
6.3.2 视网膜分割网络 147
6.3.3 模型评估 150
6.4 肺炎X射线图像的多任务对抗网络 155
6.4.1 概述 155
6.4.2 对抗网络模型 157
6.4.3 模型评估 163
6.5 本章小结 168
参考文献 168
第7章 循环模型在自然语言处理中的应用 175
7.1 情感分析 175
7.1.1 概述 175
7.1.2 BiLSTM-SNP模型 176
7.1.3 方面级情感分类模型 178
7.1.4 模型评估 181
7.2 序列推荐 184
7.2.1 概述 184
7.2.2 模型架构 185
7.2.3 技术细节 187
7.2.4 模型评估 191
7.3 本章小结 194
参考文献 194