-
公开(公告)号：CN110826602A
公开(公告)日：2020-02-21
申请号：CN201911014227.0
申请日：2019-10-23
Applicant: 中国科学院自动化研究所
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：CN119339282A
公开(公告)日：2025-01-21
申请号：CN202411213211.3
申请日：2024-08-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于脉冲Transformer网络的视觉信息识别方法，方法包括：获取待识别视觉信息的脉冲序列；基于脉冲Transformer网络，构建视觉信息识别模型；其中，采用傅里叶基函数或小波基函数中的一种或多种基函数，构建先验知识嵌入层；采用先验知识嵌入层替换所述脉冲Transformer网络中的注意力模块；将所述脉冲序列输入所述视觉信息识别模型中，得到所述待识别视觉信息的识别结果。本发明通过采用上述方法，解决相关技术中由于脉冲神经网络对于实数值的离散脉冲编码方式，导致使用脉冲Transformer网络的进行视觉信息识别时的准确率较低的问题。
-
公开(公告)号：CN110766138A
公开(公告)日：2020-02-07
申请号：CN201910999416.1
申请日：2019-10-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于脑发育机制的自适应神经网络模型的构建方法及系统，所述构建方法包括：对全连接的三层人工神经网络初始化；根据所述人工神经网络的神经元的个数及连接权重，对神经元剪枝，获得剪枝网络；采用反方向传播算法重训练剪枝网络，得到更新网络；计算所述更新网络的适应性值；根据所述适应性值调整对神经元的剪枝情况，以获得最优适应性值对应的更新网络，所述最优适应性值对应的更新网络为所述自适应神经网络模型。本发明根据所述人工神经网络的神经元的个数及连接权重，对神经元剪枝，剪去一定比例不重要的神经元后，再次训练网络，直到网络的适应性达到最高值，从而可实现神经元的动态分配，进而提高样本分类的准确性。
-
公开(公告)号：CN108229540A
公开(公告)日：2018-06-29
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。
-
Patent Agency Ranking
公开(公告)号：CN105224630A
公开(公告)日：2016-01-06
申请号：CN201510616011.7
申请日：2015-09-24
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
CPC classification number: G06F17/30964 , G06F17/30864
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：CN119378599A
公开(公告)日：2025-01-28
申请号：CN202411198609.4
申请日：2024-08-29
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于神经网络的类脑信息瞬态传递方法以及装置，其中，上述方法包括：获取不同类别的输入数据，以及与输入数据对应的测试数据；通过信息瞬态传递模型基于输入数据，模拟编码信息在大脑中瞬态传递的过程，得到神经元动态发放的固定传递路径；在预设的目标时间之后，将测试数据输入至信息瞬态传递模型并通过固定传递路径，得到信息瞬态传递模型输出的匹配结果；其中，信息瞬态传递模型是基于循环神经网络构建的，信息瞬态传递模型的隐藏层中任一神经元的输出是基于目标时刻其他神经元的输出确定的，目标时刻是基于外部输入与任一神经元的抑制强度确定的；通过本发明能够提高神经网络的可解释性和生物合理性。
-
公开(公告)号：CN113837380A
公开(公告)日：2021-12-24
申请号：CN202111095440.6
申请日：2021-09-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于生物自组织反向传播的神经网络训练方法及装置，训练方法包括：获取训练样本；将其输入神经网络，数据处理后输出；通过误差反向传播方法或时序依赖可塑性方法获得输出层神经元的第一优化权重参数；通过由隐层至输入层神经元反向依次发生生物自组织突触可塑性，从而获得神经网络隐层及输入层的第二优化权重参数；根据第一优化权重参数及第二优化权重参数对神经网络进行单次优化，并进行多次直至神经网络的损失函数收敛至预设值。通过生物自组织方式获得第二优化权重参数并与传统误差反向传播方法或时序依赖可塑性方法获得的第一优化权重参数相结合，具有较少的计算机运算量，计算机对整体网络的训练能耗明显减少。
-
公开(公告)号：CN113822416A
公开(公告)日：2021-12-21
申请号：CN202111061828.4
申请日：2021-09-10
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种脉冲神经网络奖励优化方法、装置、电子设备和存储介质，其中方法包括：对脉冲神经网络进行初始化操作；基于脉冲编码器，将样本数据转换为样本脉冲序列编码；将样本脉冲序列编码输入至脉冲神经网络，确定脉冲神经网络的前向传播过程中每层神经元的发放状态后，确定每个隐藏层对应的奖励，并基于每个隐藏层的输出及其对应的奖励，对每层神经元与其对应的突触前神经元间的突触权重执行优化操作，直至脉冲神经网络收敛；其中，每层神经元与其对应的突触前神经元间的突触权重的优化操作是相互独立的。本发明具备生物合理性，且与逐层优化方式对比，可以减少不必要的信息存储，降低了内存占用，减少了能耗，有利于置于芯片上使用。
-
公开(公告)号：CN110826437A
公开(公告)日：2020-02-21
申请号：CN201911014231.7
申请日：2019-10-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算神经科学及智能机器人领域，具体涉及了一种基于生物神经网络的智能机器人控制方法、系统、装置，旨在解决现有的海马启发脉冲生物神经网络模型无法实现智能机器人复杂模式控制的问题。本发明方法包括：基于生物海马区亚区的结构和功能启发构建特征提取、特征关联学习神经网络，对智能机器人环境图像进行处理；采用分类神经网络基于得到的特征向量获取智能机器人行为类别；通过智能机器人行为类别-控制命令关系，获得智能机器人控制命令。本发明生物神经网络模型在抗噪性能上有很大的提升，提高了复杂背景下的物体感知、高噪声背景下的物体识别的正确率，网络模型的鲁棒性好，为NAO智能机器人控制提供了一个有效的决策方法。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.024 seconds)
