公开(公告)号：CN119295817A

公开(公告)日：2025-01-10

申请号：CN202411360948.8

申请日：2024-09-27

Applicant: 北京大学

Inventor： 曹健 ,  陈光 ,  冯硕 ,  王源 ,  张兴

IPC: G06V10/764 ,  G06V20/68 ,  G06V10/82 ,  G06N3/049

Abstract: 本发明提供一种基于脉冲神经网络的谷物分类方法、装置、电子设备以及存储介质，涉及人工智能技术领域。其中，基于脉冲神经网络的谷物分类方法包括：获取待预测谷物的图像对应的第一脉冲序列；根据第一脉冲序列，利用谷物种类预测模型，得到待预测谷物的种类；其中，谷物种类预测模型为通过增量学习得到的，用于预测谷物种类的脉冲神经网络。本发明可以高效、准确地对谷物进行分类。

公开(公告)号：CN117782106A

公开(公告)日：2024-03-29

申请号：CN202410014341.8

申请日：2024-01-03

Applicant: 北京大学

Inventor： 曹健 ,  钟婧祎 ,  王源 ,  冯硕 ,  刘明楷 ,  欧泽宏

IPC: G01C21/20 ,  G06N3/049 ,  G06N3/082 ,  G06N3/092 ,  G06N5/04 ,  G01C21/34

Abstract: 本发明涉及一种基于脉冲神经网络改进的深度路径规划方法及系统，包括对第一图像组合执行脉冲化操作，生成第一脉冲信息作为输入信息，使用预设的脉冲神经网络执行第一推理操作生成第一运动控制指令，匹配路径移动操作获取第二图像组合生成第二脉冲信息进行改进生成路径规划结果，采取类生物处理信息的方式，通过对整体环境进行信息获取并将提取到的信息利用二进制编码作为脉冲神经网络输入，引入脉冲神经网络利用脉冲的时间空间相关性进行推理改进DQN算法执行，加快感知速度，解决了传统算法计算时间冗长、硬件系统功耗大、对信息时空关联性利用率低的问题。

公开(公告)号：CN115879534A

公开(公告)日：2023-03-31

申请号：CN202310004580.0

申请日：2023-01-03

Applicant: 北京大学

Inventor： 曹健 ,  车锦铭 ,  王源 ,  冯硕 ,  曹昕妍

IPC: G06N3/088 ,  G06N3/09 ,  G06N3/082 ,  G06N3/049

Abstract: 本发明涉及一种基于阈值增量循环计数的混合STDP训练方法及系统，构建包括输入层、隐藏层和分类输出层的STDP网络架构，并对神经元的阈值电压增量进行计数控制对STDP网络架构的无监督学习进程，结合分类输出层的有监督学习进程调整神经元对应的权重值，通过应用阈值增量循环计数和神经元响应度筛选，有效约束了权重更新，降低了权重更新频率，从而大大减少了训练整体计算量，有助于提升训练学习效率。本发明方法适用于手写数字识别时，相比于传统STDP训练算法，可以减少2.5到3.5倍计算量并提高3％左右分类准确率。

公开(公告)号：CN116611481A

公开(公告)日：2023-08-18

申请号：CN202310235879.7

申请日：2023-03-13

Applicant: 北京大学

Inventor： 曹健 ,  闫俊彤 ,  王源 ,  冯硕

IPC: G06N3/049 ,  G06N3/092 ,  G06N3/063

Abstract: 本发明涉及一种基于脉冲神经网络的物体运动趋势感知方法及系统，包括获取物体当前所在区域索引；将所述区域索引经过二进制编码生成脉冲信息；FPGA将所述脉冲信息转化为帧信息通过PCIe接口发送至PAICORE2.0；所述PAICORE2.0解析所述帧信息并进行推理，生成下一时刻所述物体的位置信息，其中所述PAICORE2.0是部署有脉冲神经网络模型的类脑芯片，用于实现脉冲神经网络功能。解决传统算法计算时间冗长、硬件系统功耗大、对信息时空关联性利用率低的问题。