-
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：CN106651921B
公开(公告)日：2020-02-04
申请号：CN201611046531.X
申请日：2016-11-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及了运动检测方法及跟踪运动目标的方法。其中运动检测方法包括：获取图像序列；确定图像序列中运动目标在三维时空空间中不同三维时空方向对应的运动响应；对运动目标在所述三维时空空间中不同三维时空方向对应的运动响应进行投影，采用空间平面上最大化投影方法，得到运动目标的最大空间运动响应；基于运动目标的最大空间运动响应，采用所有空间方向上最大化空间运动响应的方法，得到运动目标的方位。本发明实施例通过采用上述技术方案解决了如何准确地对特定方向、特定速度的运动做出响应的技术问题，实现了整体的运动处理流程。
-
公开(公告)号：CN106815550B
公开(公告)日：2020-02-07
申请号：CN201611059266.9
申请日：2016-11-25
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于视觉恐惧反应脑机制的应急避障方法。其中，该方法包括获取图像序列；基于视网膜信息处理机制，检测图像序列中障碍物的运动方向和运动速度；基于障碍物的运动方向和运动速度，根据PV+神经元信息处理机制，进行逼近式运动检测，得到逼近式运动响应；基于逼近式运动响应，根据丘脑枕信息处理机制，确定最危险区域；对最危险的区域做出应急避障行为。通过上述技术方案，本发明实施例借鉴动物或者人类能够对危险对象产生快速防卫行为的能力，结合恐惧反应的脑机制，解决了如何提高应急反应能力的技术问题。
-
公开(公告)号：CN108304856A
公开(公告)日：2018-07-20
申请号：CN201711332985.8
申请日：2017-12-13
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及类脑智能和人工智能领域，具体涉及一种基于皮层丘脑计算模型的图像分类方法。旨在解决传统人工神经网络中浪费训练数据和训练神经网络过程中所需计算量较大的问题。本发明基于轮廓先验神经网络N1、融合丘脑调控作用的神经网络N2，分别对输入图像进行分类标记的预测，并按照预设的权值对两个预测结果进行融合得到所述输入图像的分类。本发明在小样本数据训练情况下利用MNIST数据集和FashionMNIST数据集进行图像分类测试，测试结果表明基于皮层丘脑计算模型的图像分类方法其性能均比传统的人工神经网络优异。
-
Patent Agency Ranking
公开(公告)号：CN106815550A
公开(公告)日：2017-06-09
申请号：CN201611059266.9
申请日：2016-11-25
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于视觉恐惧反应脑机制的应急避障方法。其中，该方法包括获取图像序列；基于视网膜信息处理机制，检测图像序列中障碍物的运动方向和运动速度；基于障碍物的运动方向和运动速度，根据PV+神经元信息处理机制，进行逼近式运动检测，得到逼近式运动响应；基于逼近式运动响应，根据丘脑枕信息处理机制，确定最危险区域；对最危险的区域做出应急避障行为。通过上述技术方案，本发明实施例借鉴动物或者人类能够对危险对象产生快速防卫行为的能力，结合恐惧反应的脑机制，解决了如何提高应急反应能力的技术问题。
-
公开(公告)号：CN112070228A
公开(公告)日：2020-12-11
申请号：CN202010979246.3
申请日：2020-09-17
Applicant: 中国科学院自动化研究所
IPC: G06N3/08
Abstract: 本发明属于类脑智能、人工智能领域，具体涉及一种基于脉冲神经网络模型增量学习的分类方法、系统、装置，旨在解决现有增量学习方法无法自适应的学习新类别进行分类的问题。本系统方法包括获取待分类的样本数据集；通过脉冲神经网络模型获取各数据的分类输出值，并计算每一类分类输出值的均值，作为平均输出值；计算分类输出值与各平均输出值的差值，若最小差值小于设定阈值，则将该最小差值对应的平均输出值所属的类作为当前数据的最终分类结果；否则在脉冲神经网络模型输出层中增加一个皮质柱模型，更新输出层上一层与皮质柱模型的连接权重；若获取所有数据的最终分类结果，则结束。本发明解决了现有增量学习无法自适应的学习新的类别的问题。
-
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。
-
公开(公告)号：CN108304856B
公开(公告)日：2020-02-28
申请号：CN201711332985.8
申请日：2017-12-13
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及类脑智能和人工智能领域，具体涉及一种基于皮层丘脑计算模型的图像分类方法。旨在解决传统人工神经网络中浪费训练数据和训练神经网络过程中所需计算量较大的问题。本发明基于轮廓先验神经网络N1、融合丘脑调控作用的神经网络N2，分别对输入图像进行分类标记的预测，并按照预设的权值对两个预测结果进行融合得到所述输入图像的分类。本发明在小样本数据训练情况下利用MNIST数据集和FashionMNIST数据集进行图像分类测试，测试结果表明基于皮层丘脑计算模型的图像分类方法其性能均比传统的人工神经网络优异。
-
公开(公告)号：CN106651921A
公开(公告)日：2017-05-10
申请号：CN201611046531.X
申请日：2016-11-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及了运动检测方法及跟踪运动目标的方法。其中运动检测方法包括：获取图像序列；确定图像序列中运动目标在三维时空空间中不同三维时空方向对应的运动响应；对运动目标在所述三维时空空间中不同三维时空方向对应的运动响应进行投影，采用空间平面上最大化投影方法，得到运动目标的最大空间运动响应；基于运动目标的最大空间运动响应，采用所有空间方向上最大化空间运动响应的方法，得到运动目标的方位。本发明实施例通过采用上述技术方案解决了如何准确地对特定方向、特定速度的运动做出响应的技术问题，实现了整体的运动处理流程。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.024 seconds)
