-
公开(公告)号：CN117592546A
公开(公告)日：2024-02-23
申请号：CN202311359885.X
申请日：2023-10-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种对抗性样本生成方法、装置、电子设备及存储介质，涉及数据处理技术领域，包括：S1,将模型样本对应的脉冲序列进行代理梯度计算，得到模型样本对应的代理梯度矩阵；S2,基于脉冲序列和代理梯度矩阵，计算有效区域掩膜，有效区域掩膜用于标示能够进行翻转的位置；S3，基于有效区域掩膜和代理梯度矩阵，对脉冲序列按照目标翻转方式进行翻转，得到目标脉冲序列；S4，将脉冲序列替换为目标脉冲序列，重复执行步骤S1至步骤S3，直至目标模型对于目标脉冲序列的识别结果超过预设阈值，将目标脉冲序列作为目标模型的对抗性样本。
-
公开(公告)号：CN110781951B
公开(公告)日：2022-06-24
申请号：CN201911013553.X
申请日：2019-10-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于类脑智能、人工智能领域，具体涉及一种基于丘脑动态分配的多视皮层信息融合的视觉跟踪方法、系统、装置，旨在解决视觉跟踪方法中不同层之间的信息被同等对待或重要性被固定导致跟踪精度低的问题。本系统方法包括从视频的第t帧图像中获取待跟踪目标的图像及位置标签；对预设的第一网络模型进行训练并更新；令t＝t+1，通过第一网络模型获取待跟踪目标在第t帧图像中的位置标签；获取所述待跟踪目标在第t帧的图像；若t为预设值n的倍数，依次将第一图像更新为所述待跟踪目标在第t‑n+1帧至第t帧的图像，对第一网络模型进行训练并跟新，否则继续跟踪。本发明动态分配不同层的重要性，提高了跟踪精度。
-
公开(公告)号：CN112085198A
公开(公告)日：2020-12-15
申请号：CN202010992134.1
申请日：2020-09-21
Applicant: 中国科学院自动化研究所
IPC: G06N3/08
Abstract: 本发明提出了一种基于全局反馈以及局部突触可塑的脉冲神经网络优化方法，所述脉冲神经网络的神经元采用LIF模型，所述脉冲神经网络优化方法包括以下步骤：S100，基于训练样本对所述脉冲神经网络进行训练，获取前馈过程中各神经元的状态Oi；S200，基于各神经元的状态Oi及训练样本中的输出目标，计算预测误差e；S300，基于反馈连接和所述预测误差e，计算各隐层的输出目标S400，基于各神经元的状态Oi、各隐层的输出目标依据局部突触可塑性法则更新所述脉冲神经网络中权重；S500，重复S100至S400，直至得到预设优化结束条件，得到所述脉冲神经网络优化后的网络模型。本发明可以提高脉冲神经网络的学习能力。
-
公开(公告)号：CN108304767B
公开(公告)日：2020-06-30
申请号：CN201711319214.5
申请日：2017-12-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于认知神经科学领域，具体涉及一种基于多脑区协同计算的人类动作意图识别训练方法，包括：1，对人体动作进行图像采集；2，获取的人体关节信息，进行人体动作类别识别；3，基于类脑计算模型，采用多脑区协同计算的方式，依据人类执行的动作类别，计算机器人动作策略；4，输入对3所计算的机器人动作策略的正确性判断；5，基于4中输入的所述正确性判断，通过STDP机制调节所述类脑计算模型的参数；6，若4中输入的所述正确性判断为错误则执行1进行重复训练，直至4中输入的所述正确性判断为正确。本发明克服了传统人机交互技术中需要预先编程等不够灵活的缺点，提升了使用体验。
-
Patent Agency Ranking
公开(公告)号：CN108197711B
公开(公告)日：2020-02-28
申请号：CN201711328671.0
申请日：2017-12-13
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于人工智能和认知神经科学综合领域，具体涉及一种基于类脑多感觉注意切换的计算方法，即为了解决在多感官信息的输入的环境下更加可靠的信息的选择问题，该方法包括：S1、基于大脑视觉皮层模型进行数字图像的内容识别，得到视觉数字序列；S2、基于大脑听觉皮层模型进行数字音频的内容识别，得到听觉数字序列；S3、基于数字序列，采用数字推理模型分别进行数字归纳推理，计算数字序列之间的规律并存储；S4、基于视觉‑听觉注意切换模型，选择权重较高的信息作为当前可靠的模态信息进行推理计算，得出识别结果。本发明能够同时完成视觉、听觉、推理、注意切换等一系列类人行为，在不同的环境下准确选择可靠的信息进行进一步处理。
-
公开(公告)号：CN110781951A
公开(公告)日：2020-02-11
申请号：CN201911013553.X
申请日：2019-10-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于类脑智能、人工智能领域，具体涉及一种基于丘脑动态分配的多视皮层信息融合的视觉跟踪方法、系统、装置，旨在解决视觉跟踪方法中不同层之间的信息被同等对待或重要性被固定导致跟踪精度低的问题。本系统方法包括从视频的第t帧图像中获取待跟踪目标的图像及位置标签；对预设的第一网络模型进行训练并更新；令t＝t+1，通过第一网络模型获取待跟踪目标在第t帧图像中的位置标签；获取所述待跟踪目标在第t帧的图像；若t为预设值n的倍数，依次将第一图像更新为所述待跟踪目标在第t-n+1帧至第t帧的图像，对第一网络模型进行训练并跟新，否则继续跟踪。本发明动态分配不同层的重要性，提高了跟踪精度。
-
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。
-
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。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.036 seconds)
