公开(公告)号：CN116578906A

公开(公告)日：2023-08-11

申请号：CN202310562540.8

申请日：2023-05-18

Applicant: 西南大学

Inventor： 段书凯 ,  杨斌 ,  陈艾 ,  李广隶 ,  付军 ,  唐健峰 ,  王丽丹

IPC: G06F18/24 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于忆阻随机计算轻量化卷积神经网络的气体识别方法，其特征在于：首先使用16个气体传感器采集16个气体特征数据，通过忆阻列阵得到16个比特流，然后通过忆阻随机计算对其进行卷积、池化和全连接操作，得到6个比特流，该6个比特流用来定义表示6类气体，通过比较得到最终气体分类结果。其显著效果是：使用卷积神经网络以权重参数共享来减少参数，以减少模型的参数量；采用随机计算的形式进行硬件部署，在加速网络计算速度的同时还能抵抗数据漂移现象；采用忆阻器的随机开关特性进行随机比特流的生成，减少更多的能耗。

公开(公告)号：CN117935310A

公开(公告)日：2024-04-26

申请号：CN202410105398.9

申请日：2024-01-25

Applicant: 西南大学

Inventor： 段书凯 ,  陈艾 ,  王姝 ,  杨斌 ,  王丽丹

IPC: G06V40/10 ,  G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06N3/049 ,  G06N3/0464 ,  G06N3/09

Abstract: 一种基于脉冲神经网络的动态视觉手势识别系统，包括Speck2e开发板，所述Speck2e开发板上设置有DVS相机和异步处理器，所述DVS相机的输出端与异步处理器的输入端连接，所述异步处理器上部署有手势识别模块；所述DVS相机实时采集动态手势视频数据，并传递给所述异步处理器，所述异步处理器将所述动态手势视频数据转化为具有时间序列属性的神经形态手势数据X，并传递给手势识别模块，所述手势识别模块对所述神经形态手势数据X进行手势识别，输出手势识别结果Y。效果：使用脉冲神经网络SNN模型，以事件驱动的方式处理输入数据，有效提高了手势识别的实时性和准确性；同时脉冲神经网络SNN模型的事件驱动特性和脉冲编码使其在处理视觉数据时具有较低的能耗。

公开(公告)号：CN116776213A

公开(公告)日：2023-09-19

申请号：CN202310536111.3

申请日：2023-05-12

Applicant: 西南大学

Inventor： 王丽丹 ,  付军 ,  唐健峰 ,  李广隶 ,  夏磊 ,  杨斌 ,  段书凯

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/044 ,  G06N3/048

Abstract: 本发明提供了一种双循环ESN拓扑结构用于时间序列预测系统，包括输入层、储层和输出层，所述输入层采集具有时间序列属性的向量数据组，输入层与储层全连接，并传送向量数据组给储层，储层对接收到的向量数据组进行训练，并将训练结果传送给输出层，其特征在于：所述储层为双循环ESN储层结构，该双循环ESN储层结构中设置有n个节点，n个节点依次首尾连接形成闭环，相邻的两节点之间形成数据链双向传输，形成顺时针传输方向的前向循环结构和逆时针传输方向的逆向循环结构。其显著效果是：网络性能及性能稳定性更优，易于网络硬件的实现。

公开(公告)号：CN116757244A

公开(公告)日：2023-09-15

申请号：CN202310715854.7

申请日：2023-06-16

Applicant: 西南大学

Inventor： 王丽丹 ,  唐健峰 ,  夏磊 ,  李广隶 ,  付军 ,  杨斌 ,  段书凯

IPC: G06N3/04 ,  G06N3/08

Abstract: 一种基于多重随机纳米线网络的储备池系统，包括输入层、随机纳米线网络层、训练层和输出层，其中：所述输入层采集具有时间序列属性的向量数据组，向量数据组经归一化处理转化为电压输入矩阵Win；随机纳米线网络层设置有N层依次串联的纳米线网络；输入层逐个传送所述电压输入矩阵Win中的电压给第一纳米线网络层；第一纳米线网络层的输出端连接有第二纳米线网络层与训练层；第二纳米线网络层的输出端连接有第三纳米线网络层输入端与训练层，直至第N纳米线网络层的输出端连接训练层；训练层输出端连接输出层，输出层输出权重矩阵Wout。

公开(公告)号：CN116502688A

公开(公告)日：2023-07-28

申请号：CN202310489920.3

申请日：2023-05-04

Applicant: 西南大学

Inventor： 王丽丹 ,  李广隶 ,  夏磊 ,  唐健峰 ,  付军 ,  杨斌 ,  段书凯

IPC: G06N3/065 ,  G06N3/049 ,  G06N3/0464

Abstract: 一种基于局部有源忆阻器的深度回声状态网络系统，包括输入层，所述输入层采集具有时间序列属性的向量数据组，并传送向量数据组给第一个储备池和训练池，所述储备池的输出端连接所述训练池，所述训练池输出训练结果给输出层，其特征在于：所述输入层与首尾依次连接的n个储备池中的第一个储备池相连接；所述储备池内设置有掩膜和局部有源忆阻器，其中第一个储备池内的掩膜连接所述输入层，所述局部有源忆阻器前端接掩膜，后端串负载电阻后接地；后级储备池内的的输入是前级负载电阻之间的电压值。其显著效果是：大大减少了储备池的尺寸，简化训练，只需要单个局部有源忆阻器就可实现深度结构，适用于复杂的时间序列预测任务，具有更好的系统性能。