随着基于CNN算法的发展和CNN芯片的完善,一方面,带动了新一轮的神经网络研究热潮。另一方面,由于CNN芯片的发展与完善,其并行高速的特点使大数据量、大运算量的CNN算法在硬件上获得了很大的实时性支持。因此,很有必要研究基于细胞神经网络的应用及其算法的相关实现。本文主要研究了细胞神经网络三方面的应用,具体内容如下:(1)提出了基于自适应遗传算法的CNN模板设计算法。通过对交叉概率和变异概率的改进以及遗传算子的设计,克服了基于简单遗传算法设计模板时算法容易早熟的不足,并采用准精确惩罚函数来设计适应度函数,降低了算法的运算量,提高了算法的收敛速度。(2)提出了基于主动轮廓图像分割模型的CNN实现算法。提出用梯度场和GVF场的有机组合作为外力场,构建了与该算法有关的扩展模块模板和细化模块模板,并进行了仿真,对仿真结果进行了分析和对比,最后证明了该算法能有效地克服传统实现算法计算复杂度高的不足。另外该算法易于硬件实现和并行处理,使Snake模型可以用于高速图像分割领域。(3)提出了基于CNN的逻辑电路设计与实现。首先推导出单个细胞的状态方程,并对若干不同输入、不同参数的细胞进行MATLAB数值仿真,根据仿真结果确定细胞的逻辑功能;然后设计细胞电路原理图,对其进行EWB仿真,验证其逻辑功能,确定输入高低电平范围;最后设计了实际电路,用来进行功能调试和实验验证。