细胞式人工神经网络

  关于卷积神经网络，请见“卷积神经网络”。

细胞式人工神经网络（英语：Cellular neural network，缩写：CNN）是一种大量规则化多维度矩阵电路，可执行并行计算，于1988年由蔡少棠与Lin Yang提出，类似于神经细胞架构，每个细胞与邻近细胞间彼此连接与传递信号。

与一般人工神经网络不同，较具特色的两点为：1.细胞中连续性的动态行为与2.有限半径的局部性连接。典型的应用包括影像处理、3D表面分析、问题可视化、生物视觉和其他感官建模。

CNN架构

因为CNN具有多种不同的架构，所以很难替CNN处理器定下一个非常明确的定义。从架构的观点来看,CNN是属于细胞式架构，资料处理是以平行方式计算，因此运算速度可大幅提升。它是由固定数目、固定位置、固定拓普、局部互连、非线性的处理单元所组成，这个非线性的处理单元通常被叫做细胞或是神经元。在数学模型上，每个细胞为独立且非线性的单元，它具有初始状态、输入和行为。信号的处理通常是连续的，例如Continuous-Time CNN（CT-CNN）处理器，但也可以是离散的Discrete-Time CNN（DT-CNN）处理器。

文献综述

CNN处理器的想法是由蔡少棠（Leon Chua）和Lin Yang的在1988年的两部分文章中“细胞神经网络理论”和“细胞神经网络的应用程式”，发表在IEEE电路与系统通讯刊物上。

参考

• D. Balya, G, Tímar, G. Cserey, and T. Roska, "A New Computational Model for CNN-UMs

and its Computational Complexity", Int’l Workshop on Cellular Neural Networks and Their Applications, 2004.

• L. Chua and L. Yang, "Cellular Neural Networks: Theory," IEEE Trans. on Circuits and Systems, 35 (10):1257-1272, 1988. [1] （页面存档备份，存于互联网档案馆）
• L. Chua and L. Yang, "Cellular Neural Networks: Applications" IEEE Trans. on Circuits and Systems, 35 (10):1273:1290, 1988.