-
公开(公告)号：CN119479836B
公开(公告)日：2025-05-06
申请号：CN202510058985.1
申请日：2025-01-15
Applicant: 之江实验室
IPC: G16B50/10 , G16B40/00 , G06F18/22 , G06F18/2415 , G06F18/2431 , G06N3/045 , G06N3/08
Abstract: 本申请涉及一种基于预训练大语言模型的蛋白质功能注释方法和装置，应用于人工智能驱动的计算生物领域，其中，该蛋白质功能注释方法包括：将待注释蛋白质序列输入目标蛋白质功能域分类模型，得到待注释蛋白质序列所包含的功能域类别；将待注释蛋白质序列所包含的功能域类别和待注释蛋白质序列，输入目标蛋白质功能域识别模型，得到待注释蛋白质序列的功能域类别所在的目标位置；根据待注释蛋白质序列的功能域类别所在的目标位置，对待注释蛋白质序列进行功能注释。通过本申请，实现了准确且高效识别完整蛋白质序列上的功能域的效果。
-
公开(公告)号：CN114429491B
公开(公告)日：2022-07-08
申请号：CN202210357273.6
申请日：2022-04-07
Abstract: 本发明属于目标跟踪领域，具体涉及一种基于事件相机的脉冲神经网络目标跟踪方法和系统，该方法包括通过事件相机获取目标高动态场景中的异步事件数据流；将异步事件数据流划分为毫秒级时间分辨率的事件帧图像；以目标图像为模板图像，以完整图像作为搜索图像，训练基于脉冲神经网络的孪生网络，该网络包括特征提取器以及计互相关计算器，图像经过特征提取器提取特征映射后，再利用互相关计算器计算出特征映射的结果；使用训练好的网络，将特征映射的结果进行插值上采样，获得目标在原图中的位置，实现目标跟踪。本发明降低了图像数据的传输延迟与目标跟踪算法的计算延迟，提高了目标跟踪在高动态场景下的精度。
-
公开(公告)号：CN119127149B
公开(公告)日：2025-04-22
申请号：CN202411605822.2
申请日：2024-11-12
Applicant: 之江实验室
Abstract: 本申请涉及一种设备后端的深度学习框架适配方法、装置以及设备。所述方法包括：获取设备后端的预配置信息；根据所述预配置信息，生成所述设备后端的初始框架和集成模版；基于所述初始框架和集成模板，构建所述设备后端的适配代码模板；对所述适配代码模板进行自适应代码配置，得到所述设备后端适配的深度学习框架。采用本方法能够屏蔽了不同框架、版本和设备类型的差异，使设备能够快速、高效的完成深度学习框架适配和维护，简化和规范深度学习框架与设备后端的适配过程。
-
公开(公告)号：CN116259310A
公开(公告)日：2023-06-13
申请号：CN202310110811.6
申请日：2023-01-16
Abstract: 一种面向硬件的深度脉冲神经网络语音识别方法，包括：获取开源语音数据集；对语音数据集进行预处理，从高维语音数据中获得低维语音特征，并将其编码为脉冲序列；构建深度脉冲神经网络模型，模型中各神经元均采用硬件友好的集成点火模型；构造损失函数，采用梯度替代的时空反传算法更新网络权值，在训练数据集上对深度脉冲神经网络模型进行训练，并保存更新后的网络权值；将浮点权值量化为定点权值，深度脉冲神经网络模型加载量化后的定点权值，对测试数据集进行识别，得到预测的分类标签，实现面向硬件的深度脉冲神经网络模型的语音识别。本发明还包括一种面向硬件的深度脉冲神经网络语音识别系统本发明降低了识别功耗，保持了近似的识别准确率。
-
公开(公告)号：CN113935475A
公开(公告)日：2022-01-14
申请号：CN202111538288.4
申请日：2021-12-16
Abstract: 本发明公开了具有脉冲时刻偏移量的脉冲神经网络的仿真与训练方法，包括以下步骤：离散化的逐时间步更新神经元状态量，预估时间步范围内的是否产生脉冲发放及其时刻偏移量，根据突触连接计算下时刻的脉冲输入，重复此过程完成网络仿真；根据仿真结果延神经元状态量、脉冲发放量和时刻偏移量反传梯度误差，进行网络参数更新。本发明减小了脉冲神经网络逐时间步仿真计算中的误差，在同等精度条件下提高了仿真效率。同时，在误差反传算法中通过脉冲发放量和时刻偏移量两个维度传递脉冲误差，提高了训练的效率。
-
Patent Agency Ranking
公开(公告)号：CN119479836A
公开(公告)日：2025-02-18
申请号：CN202510058985.1
申请日：2025-01-15
Applicant: 之江实验室
IPC: G16B50/10 , G16B40/00 , G06F18/22 , G06F18/2415 , G06F18/2431 , G06N3/045 , G06N3/08
Abstract: 本申请涉及一种基于预训练大语言模型的蛋白质功能注释方法和装置，应用于人工智能驱动的计算生物领域，其中，该蛋白质功能注释方法包括：将待注释蛋白质序列输入目标蛋白质功能域分类模型，得到待注释蛋白质序列所包含的功能域类别；将待注释蛋白质序列所包含的功能域类别和待注释蛋白质序列，输入目标蛋白质功能域识别模型，得到待注释蛋白质序列的功能域类别所在的目标位置；根据待注释蛋白质序列的功能域类别所在的目标位置，对待注释蛋白质序列进行功能注释。通过本申请，实现了准确且高效识别完整蛋白质序列上的功能域的效果。
-
公开(公告)号：CN116295415A
公开(公告)日：2023-06-23
申请号：CN202310216334.1
申请日：2023-03-02
IPC: G01C21/20 , G01C21/00 , G01C21/16 , G01S17/86 , G06N3/048 , G06N3/049 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/092
Abstract: 一种基于脉冲神经网络强化学习的无地图迷宫导航方法，采用一种由里程计标记的路径栅格地图数据，雷达信息，机器人状态与目标点信息作为输入；机器人坐标系中建立路径网格地图，根据机器人里程计中路径位置更新路径标记的栅格地图，栅格地图信息将作为机器人的状态输入；由脉冲神经网络直接输出的脉冲发放率作为差速移动机器人的左右轮控制信号，完成移动机器人在迷宫等复杂地图中的自主导航。本发明还包括一种基于脉冲神经网络强化学习的无地图迷宫导航控制系统。本发明能在不建立地图的情况下直接完成小车导航任务，并且借助于里程计标记的路径栅格地图可完成小车在迷宫中的自主搜索导航路径任务。
-
公开(公告)号：CN114429491A
公开(公告)日：2022-05-03
申请号：CN202210357273.6
申请日：2022-04-07
Abstract: 本发明属于目标跟踪领域，具体涉及一种基于事件相机的脉冲神经网络目标跟踪方法和系统，该方法包括通过事件相机获取目标高动态场景中的异步事件数据流；将异步事件数据流划分为毫秒级时间分辨率的事件帧图像；以目标图像为模板图像，以完整图像作为搜索图像，训练基于脉冲神经网络的孪生网络，该网络包括特征提取器以及计互相关计算器，图像经过特征提取器提取特征映射后，再利用互相关计算器计算出特征映射的结果；使用训练好的网络，将特征映射的结果进行插值上采样，获得目标在原图中的位置，实现目标跟踪。本发明降低了图像数据的传输延迟与目标跟踪算法的计算延迟，提高了目标跟踪在高动态场景下的精度。
-
公开(公告)号：CN119127149A
公开(公告)日：2024-12-13
申请号：CN202411605822.2
申请日：2024-11-12
Applicant: 之江实验室
Abstract: 本申请涉及一种设备后端的深度学习框架适配方法、装置以及设备。所述方法包括：获取设备后端的预配置信息；根据所述预配置信息，生成所述设备后端的初始框架和集成模版；基于所述初始框架和集成模板，构建所述设备后端的适配代码模板；对所述适配代码模板进行自适应代码配置，得到所述设备后端适配的深度学习框架。采用本方法能够屏蔽了不同框架、版本和设备类型的差异，使设备能够快速、高效的完成深度学习框架适配和维护，简化和规范深度学习框架与设备后端的适配过程。
-
公开(公告)号：CN117666592A
公开(公告)日：2024-03-08
申请号：CN202311707059.X
申请日：2023-12-13
Abstract: 本发明涉及一种群体机器人避障方法、装置及介质，其中方法包括：初始化仿真环境、机器人位姿与导航点，设计机器人的奖励函数；利用多机器人模型训练方法对脉冲神经网络强化学习模型进行训练，其中，脉冲神经网络强化学习模型包括SNN导航模型和评价网络，SNN导航模型的输入为机器人状态信息，输出为机器人控制的速度指令，评价网络用于指导SNN导航模型训练；基于训练完成的SNN导航模型，根据每一个机器人所获取的状态信息推理当前时刻的速度指令，群体移动机器人根据对应的速度指令协同完成导航任务。与现有技术相比，本发明可以在不预先输入机器人间相互位置关系的情况下，使得多个机器人能够自主的找到时间效率高且无碰撞的导航路径。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
