随着对生物神经学的不断研究和理论发展，一种被称之为第三代人工神经网络的新式模型的研究在国外悄然兴起——脉冲耦合神经网络，简称PCNN。通过实验观察同步脉冲在猫的视觉皮层的研究结果开始内部机制的分布式神经元，在适当的刺激下，产生的信号输入神经元的脉冲引起的视觉区域同步激励的同时，在不同区域发生相同的特性。Eckhorn等人提出：视觉系统的性能可能有某种机制的存在，它能使神经元互相连接，提高整体性。为了测试这个想法，针对同步放电现象，Eckhorn提出了连接模型，而后科学家对模型的修改和变形，逐步完善成为PCNN模型。PCNN是由神经元的动态脉冲现象发展而来的，具有较好的非线性和动态阈值，其时空总和特性和同步脉冲分布特征，为研究网络中一系列的网络动态行为提供了一个有效的工具[10]。PCNN在自动图像处理和目标识别、并且在智能化器人、自动化控制、生物与医学、模式识别等领域的应用得到国内外广泛的重视和研究，国际上关于人工神经网络的相关文件和其他出版物的数量不断增加，也充分说明了这一点。目前，国内的西安大学，兰州大学的电子科学与技术等研究机构也开始对PCNN模型进行深入研究。34565
脉冲的耦合和发放是PCNN的两个最基本的性质，前者是连接模型中耦合乘积直接作用的结果。相比于传统的加性耦合，后者的优点是信号输入神经元兴奋不会受到耦合的神经元输入影响，它在图像处理中是特别重要的。虽然加性耦合是生物神经元的基础，但是在图像处理中，乘积耦合和时序编码更为重要。论文网
虽然PCNN模型神经元模型和传统BP网络相比在人工神经元模型作出了比较大的进步，但还是和实际生物神经网络有着相当大的差别，主要表现在PCNN模型需要选取更多的参数[11]。到目前为止，因为理论发展仍然不足，在图像处理和模型参数的影响之间的关系不明显，这是国内外学者共同研究和关注的。 脉冲耦合神经网络的国内外研究现状:http://www.751com.cn/yanjiu/lunwen_32096.html