公开(公告)号：CN116049716A

公开(公告)日：2023-05-02

申请号：CN202211717698.X

申请日：2022-12-29

Applicant: 中国科学院计算技术研究所

Inventor： 戴梦溪 ,  臧大伟 ,  陈灿 ,  谭光明

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/214

Abstract: 本发明提出一种基于迁移学习的运动想象脑电分类模型训练方法，包括：获取目标用户和辅助用户的脑电信号，提取该脑电信号的信号特征，构建为总数据集；将总数据集包含有辅助用户据集和目标用户数据集；将辅助用户数据集切分为多个数据子集，构建为辅助域数据集；目标用户数据集即为目标域数据集；以迁移学习方法，通过该辅助域数据集和目标域数据集，训练得到运动想象脑电分类模型。本发明还提出一种基于迁移学习的运动想象脑电分类模型训练系统，以及一种用于运动想象脑电分类模型训练的数据处理装置。

公开(公告)号：CN114004353B

公开(公告)日：2025-02-28

申请号：CN202111161801.2

申请日：2021-09-30

Applicant: 中国科学院计算技术研究所

Inventor： 陆则朴 ,  臧大伟 ,  沈华 ,  戴梦溪 ,  谭光明 ,  孙凝晖

IPC: G06N3/067 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084

Abstract: 本发明提出一种减少光器件数量的光神经网络芯片构建方法和系统，通过芯片结构与训练方法协同的方法，通过低秩近似压缩光芯片中冗余光器件的数量，同时基于若干的优化手段，保证神经网络的识别准确率。本发明所提出的减少光器件数量的光神经网络芯片构建方法包括权重矩阵预处理、酉保持训练、器件剪枝和功能光器件网络构建。因此，本发明通过结构和算法的协同，在识别率基本保持不变的情况下，极大地降低光器件的使用数量。

公开(公告)号：CN114004353A

公开(公告)日：2022-02-01

申请号：CN202111161801.2

申请日：2021-09-30

Applicant: 中国科学院计算技术研究所

Inventor： 陆则朴 ,  臧大伟 ,  沈华 ,  戴梦溪 ,  谭光明 ,  孙凝晖

IPC: G06N3/067 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种减少光器件数量的光神经网络芯片构建方法和系统，通过芯片结构与训练方法协同的方法，通过低秩近似压缩光芯片中冗余光器件的数量，同时基于若干的优化手段，保证神经网络的识别准确率。本发明所提出的减少光器件数量的光神经网络芯片构建方法包括权重矩阵预处理、酉保持训练、器件剪枝和功能光器件网络构建。因此，本发明通过结构和算法的协同，在识别率基本保持不变的情况下，极大地降低光器件的使用数量。