-
公开(公告)号：CN119227752A
公开(公告)日：2024-12-31
申请号：CN202411192390.7
申请日：2024-08-28
Applicant: 中国科学院自动化研究所
IPC: G06N3/049 , G06N3/0499 , G06N3/06 , G06N3/084
Abstract: 本发明提供一种嵌入生物网络元结构的多模态脉冲信号识别方法及装置，其中，上述方法包括：获取与待识别多模态信号对应的脉冲序列，其中，脉冲序列包括语音部分与图像部分；将脉冲序列输入至多模态识别模型，得到待识别多模态信号对应的识别结果，其中，将语音部分输入至多模态识别模型的语音输入通道，将图像部分输入至多模态识别模型的图像输入通道；通过多模态识别模型的整合层对语音部分与图像部分进行维度统一与整合，得到整合信号；通过多模态识别模型的隐藏层的生物网络元结构对整合信号进行识别，得到与待识别多模态信号对应的识别结果；通过多模态识别模型的输出层输出识别结果；通过本发明能够提高多模态信号识别的准确率与鲁棒性。
-
公开(公告)号：CN116797851B
公开(公告)日：2024-02-13
申请号：CN202310946560.5
申请日：2023-07-28
Applicant: 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/049 , G06N3/0464
Abstract: 本发明涉及人工智能领域，提供一种图像分类模型的类脑连续学习方法、图像分类方法和装置，学习方法包括：获取初始神经网络、样本图像及其对应的图像类别标签；将输入信号输入至初始神经网络，得到各层神经元输出的图像特征；对图像类别标签进行编码，得到样本图像的期望；并将期望分别映射到各层中，得到各层的局部多巴胺浓度；基于局部多巴胺浓度，对各层的初始局部梯度进行调制，得到各层的调制后局部梯度；基于调制后局部梯度，对初始神经网络的突触连接权重进行更新，以完成类脑连续学习，得到图像分类模型。本发明提供的图像分类模型的类脑连续学习方法、图像分类方法和装置，可以最大程度上保留旧任务信息，同时实现对新任
-
公开(公告)号：CN110826602B
公开(公告)日：2022-04-26
申请号：CN201911014227.0
申请日：2019-10-23
Applicant: 中国科学院自动化研究所
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明属于计算神经科学及图像分类技术领域，具体涉及了一种基于膜电位调控脉冲神经网络的图像分类方法、系统，旨在解决现有图像分类采用的人工神经网络小样本学习效果差、容易发生过拟合、迁移能力有限、容易出现灾难性遗忘的问题。本发明方法包括：通过训练好的图像分类神经网络对分类任务图像进行分类。网络基于三层前馈神经网络构建；基于顺行前馈、膜电位改变和输入电流平衡，分别进行膜电位信息更新；以网络当前层的误差反传上一层调整当前层权值；通过STDP学习机制更新网络突触权值。本发明借鉴生物发现，网络训练所需样本少、收敛快、正确率高，并将受生物现象启发的学习规则加入到网络学习框架中来，模型计算能力强、适应能力高。
-
公开(公告)号：CN113628615B
公开(公告)日：2022-01-04
申请号：CN202111185130.3
申请日：2021-10-12
Applicant: 中国科学院自动化研究所
IPC: G10L15/16
Abstract: 本发明提供一种语音识别方法、装置、电子设备及存储介质，其中方法包括：获取待识别语音对应的脉冲序列；将脉冲序列输入至语音识别模型，得到待识别语音对应的语音识别结果；语音识别模型是基于循环脉冲神经网络构建的，语音识别模型隐藏层中任一神经元的膜电位是基于前向通道中的神经元脉冲标志和循环通道中的神经元脉冲标志确定的，同一隐藏层中的神经元的输出采用稀疏连接；前向通道用于连接任一神经元与上一隐藏层中的神经元；循环通道用于连接任一神经元在上一时刻的输出与当前时刻同层的其他神经元的输出。本发明提供的方法、装置、电子设备及存储介质，能够适应于识别样本的变化，提高了模型的鲁棒性，提高了识别结果的准确性。
-
公开(公告)号：CN113628615A
公开(公告)日：2021-11-09
申请号：CN202111185130.3
申请日：2021-10-12
Applicant: 中国科学院自动化研究所
IPC: G10L15/16
Abstract: 本发明提供一种语音识别方法、装置、电子设备及存储介质，其中方法包括：获取待识别语音对应的脉冲序列；将脉冲序列输入至语音识别模型，得到待识别语音对应的语音识别结果；语音识别模型是基于循环脉冲神经网络构建的，语音识别模型隐藏层中任一神经元的膜电位是基于前向通道中的神经元脉冲标志和循环通道中的神经元脉冲标志确定的，同一隐藏层中的神经元的输出采用稀疏连接；前向通道用于连接任一神经元与上一隐藏层中的神经元；循环通道用于连接任一神经元在上一时刻的输出与当前时刻同层的其他神经元的输出。本发明提供的方法、装置、电子设备及存储介质，能够适应于识别样本的变化，提高了模型的鲁棒性，提高了识别结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN109657036B
公开(公告)日：2021-02-02
申请号：CN201811471835.X
申请日：2018-12-04
Applicant: 中国科学院自动化研究所
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06N5/04
Abstract: 本发明属于认知神经科学领域，具体涉及一种基于类脑语义层次时序记忆推理模型的问答方法、系统，旨在解决文本生成、自动问答等自然语言理解任务的小样本学习问题。本发明方法包括：获取问题文本和回答文本并输入；对文本时序池化得到词向量矩阵；将词向量矩阵中每个词向量空间和时间池化，得到词向量对应的每一位为0或1的二值词表示集；将文本和词集进行类脑学习，得到优化后的模型；将问题文本单独输入，基于模型中的细胞预测状态进行词的规约，得到回答文本并输出。本发明结合语义层次时序记忆模型，基于小样本数据，知识推理的学习方式进行模型的构建，对样本的数量要求低，没有大量参数需要调节，增加了模型的可拓展性。
-
公开(公告)号：CN109657036A
公开(公告)日：2019-04-19
申请号：CN201811471835.X
申请日：2018-12-04
Applicant: 中国科学院自动化研究所
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06N5/04
CPC classification number: G06N5/04
Abstract: 本发明属于认知神经科学领域，具体涉及一种基于类脑语义层次时序记忆推理模型的问答方法、系统，旨在解决文本生成、自动问答等自然语言理解任务的小样本学习问题。本发明方法包括：获取问题文本和回答文本并输入；对文本时序池化得到词向量矩阵；将词向量矩阵中每个词向量空间和时间池化，得到词向量对应的每一位为0或1的二值词表示集；将文本和词集进行类脑学习，得到优化后的模型；将问题文本单独输入，基于模型中的细胞预测状态进行词的规约，得到回答文本并输出。本发明结合语义层次时序记忆模型，基于小样本数据，知识推理的学习方式进行模型的构建，对样本的数量要求低，没有大量参数需要调节，增加了模型的可拓展性。
-
公开(公告)号：CN105224630B
公开(公告)日：2019-01-29
申请号：CN201510616011.7
申请日：2015-09-24
Applicant: 中国科学院自动化研究所
IPC: G06F16/36
Abstract: 本发明提供的基于语义网本体数据的集成方法，包括：获取数据信息，并对所述数据信息进行处理得到本体格式的数据信息；将所述本体格式的数据信息通过渐进式消歧算法进行数据整合得到不同数据源的相同实体之间的链接关系；通过自动化挖掘获取关键信息，所述关键信息包括摘要信息和标题信息；根据所述摘要信息和所述标题信息构建关联图谱；根据所述关联图谱推理出潜在关联信息并扩充所述关联图谱；将不同数据源的数据信息、所述相同实体之间的链接关系和所述关联图谱构建为知识数据库。本发明可以在不同数据之间建立语义链接，对不同资源进行整合和推理。
-
公开(公告)号：CN116797851A
公开(公告)日：2023-09-22
申请号：CN202310946560.5
申请日：2023-07-28
Applicant: 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/049 , G06N3/0464
Abstract: 本发明涉及人工智能领域，提供一种图像分类模型的类脑连续学习方法、图像分类方法和装置，学习方法包括：获取初始神经网络、样本图像及其对应的图像类别标签；将输入信号输入至初始神经网络，得到各层神经元输出的图像特征；对图像类别标签进行编码，得到样本图像的期望；并将期望分别映射到各层中，得到各层的局部多巴胺浓度；基于局部多巴胺浓度，对各层的初始局部梯度进行调制，得到各层的调制后局部梯度；基于调制后局部梯度，对初始神经网络的突触连接权重进行更新，以完成类脑连续学习，得到图像分类模型。本发明提供的图像分类模型的类脑连续学习方法、图像分类方法和装置，可以最大程度上保留旧任务信息，同时实现对新任务的学习能力。
-
公开(公告)号：CN108229540B
公开(公告)日：2020-08-11
申请号：CN201711296149.9
申请日：2017-12-08
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明涉及人工智能技术领域，具体提供了一种类脑多模态融合方法及装置，旨在解决如何提高多模态融合方法识别准确性的技术问题。为此目的，本发明中的类脑多模态融合方法包括下述步骤：依据图像信息获取目标物体所属预设第一类别的置信度分布，依据音频信息获取目标物体所属预设第二类别的置信度分布，依据形变信息获取目标物体的柔度特征，依据上述获取的置信度分布与柔度特征，确定目标物体的所属类型。本发明的技术方案，能够准确识别不同的单模态信息，进而提高多模态融合方法识别准确性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.034 seconds)
