课程文献中心 更多>>

关键词： spiking neural networks   memristor   phase portraits   energy-efficient AI   neuromorphic computing  

摘要： Spiking neural networks(SNNs)represent a biologically-inspired computational framework that bridges neuroscience and artificial intelligence,offering unique advantages in temporal data processing,energy efficiency,and real-time *** paper explores the evolution of SNN technologies,emphasizing their integration with advanced learning mechanisms such as spike-timing-dependent plasticity(STDP)and hybridization with deep learning *** memristors as nanoscale synaptic devices,we demonstrate significant enhancements in energy efficiency,adaptability,and scalability,addressing key challenges in neuromorphic *** phase portraits and nonlinear dynamics analysis,we validate the system’s stability and robustness under diverse *** advancements position SNNs as a transformative technology for applications in robotics,IoT,and adaptive low-power AI systems,paving the way for future innovations in neuromorphic hardware and hybrid learning paradigms.

关键词： Clifford值神经网络   Caputo分数阶   分段连续概自守解   全局渐近稳定性  

摘要： 为了更好地分析脉冲效应下分数阶细胞神经网络的动力学行为,研究了一类带脉冲的Clifford值Caputo分数阶细胞神经网络的分段连续概自守解的存在性和全局渐近稳定性。证明了Caputo分数阶Barbalat引理,基于巴拿赫不动点定理和算子的分数幂给出了该类神经网络分段连续概自守解存在唯一性的充分条件。利用Caputo分数阶Barbalat引理以及构造Lyapunov泛函的方法,研究了分段连续概自守解的全局渐近稳定性条件,并用一个具体的神经网络实例说明结果的有效性。

关键词： 类脑视觉识别   NCC特征匹配   记忆增强   长短期记忆网络   机器视觉  

摘要： 聚焦于基于归一化互相关(NCC)特征匹配的类脑视觉识别记忆算法,旨在模拟人类大脑的视觉处理和记忆机制,提升机器视觉系统的识别精度。回顾了类脑视觉识别技术的研究背景,指出了现有算法在特征提取和匹配过程中存在的问题,例如,计算复杂度高、对光照和视角变化敏感等。提出一种新的算法框架,该框架结合NCC特征匹配技术和记忆增强机制,有效实现更鲁棒的视觉识别。在算法设计部分,详细介绍了NCC特征提取的方法,通过实验验证其在不同场景下的稳定性。此外,为了增强系统的记忆能力,引入了长短期记忆网络(LSTM),真实模拟人类的记忆过程,使系统能学习和记忆特定模式,从而使系统在后续识别任务中表现出良好的性能。实验结果表明,与传统方法相比,研究提出的算法在多种复杂环境下均能显著提高识别准确率,并且具有较强的实时性和适应性。

关键词： 核脉冲峰值序列   二维卷积神经网络   K阶分层交叉验证   核素识别  

摘要： 基于能谱的核素识别方法受到数值统计局限性的影响,需花费较长时间得到统计结果,导致应用于低计数率的快速核素识别速度较慢、精度较差、泛化性不高。为提升核素识别的速度和性能,本文提出一种基于核脉冲峰值序列二维卷积神经网络(Two-Dimensional Convolutional Neural Network,2D-CNN)的核素识别方法。实验使用NaI(Tl)探测器在不同探源距下采集低计数率的单一源、混合源以及环境本底的核脉冲序列并将其进行固定长度序列划分作为数据集,然后使用最大最小归一化和二维矩阵映射对数据集进行预处理,最后使用10阶分层交叉验证方法构建和优化2D-CNN模型,并将模型与BPNN+PCA(反馈神经网络+主成分分析,Back Propagation Neural Network+Principal Component Analysis)、SVM+PCA(支持向量机+主成分分析,Support Vector Machine+Principal Component Analysis)以及2D-CNN+能谱核素识别方法进行核素识别性能比较。实验结果表明,本文构建的2D-CNN能够有效提取探源距40 cm范围内固定长度的脉冲序列特征,核素识别水平优于其他核素识别方法并具有较好的泛化性能。该方法可用于低计数率的快速核素识别任务。

关键词： 脉冲神经网络   直接反馈对齐   学习规则   精确脉冲时间   在线学习  

摘要： 由于脉冲神经元和突触复杂的时空动力学特性,训练脉冲神经网络比较困难,目前尚不存在公认的核心训练算法与技术。为此,提出一种基于直接反馈对齐(DFA)的精确脉冲时间(PREST-DFA)学习规则。受脉冲分层误差再分配(SLAYER)学习算法的启发,PREST-DFA使用基于脉冲卷积差的误差信号,输出层通过迭代方式计算出误差值,利用基于DFA的误差传输机制,将误差广播至隐藏层神经元,最后实现突触权值更新。仿真实验表明,实现了时间驱动的PREST-DFA学习算法具有精确脉冲时间学习能力。根据文献查询结果,这是首次验证基于DFA机制的学习算法可以在深层网络中控制脉冲的精确发放时间,说明DFA机制可以应用于基于脉冲时间的算法设计。另外还进行了学习性能和训练速度的比较,实验结果表明PREST-DFA能在较低的推理延迟下实现良好的学习性能,与采用相同学习规则使用反向传播训练的学习算法相比,能够加快训练速度。

关键词： 异物检测   铁路接触线   脉冲神经网络   倒残差结构   自注意力机制  

摘要： 为避免铁路接触线异物影响火车的正常行驶,文章提出一种基于脉冲神经网络的模型对接触线异物进行检测。首先,基于正常和异常的接触线图像编码得到的深度特征之间存在差距,实现对接触线异物的有效检测;其次,通过倒残差结构搭建脉冲序列生成模块;最后,基于脉冲神经网络的编码器提取特征信息。实验结果表明,在接触线异物检测数据集上,该模型的准确率和F 1分数分别为99.70%和99.70%。同时,在CIFAR-10(Canadian Institute for Advanced Research-10)和CIFAR-100(Canadian Institute for Advanced Research-100)数据集上的对比实验中,模型的准确率分别达到91.16%和79.54%。综上所述,该模型具有较强的分类检测能力,能够更准确地检测出异常接触线图像。

关键词： 任务分配   类脑决策模型   聚类算法   强化学习   离散化策略  

摘要： 针对多无人机同时执行多个任务的执行时序不同和无人机任务完成效果以及无人机能耗效率低等问题,建立经验判断-任务预分配-任务重分配-在线决策的类脑决策模型,提出一种基于类脑决策模型的多无人机任务分配算法;融合调度改进组合聚类算法和混合强化学习等策略,将任务分配分为预分配和重分配两个阶段,生成决策网络和评价体系,并引入孤立点离散化策略进行在线决策,旨在解决孤立点的影响,减少状态空间和动作空间的复杂性,提高多无人机系统的分配效率;最后对算法进行了仿真验证。

关键词： 脑类器官   微电极阵列   神经系统疾病   神经计算   神经系统修复  

摘要： 脑类器官是通过人多能干细胞自我组织和诱导分化产生的体外三维细胞培养物,能够部分模拟人脑结构及功能。微电极阵列(Microelectrode Array,MEA)技术能够低损伤、高通量、高时空分辨率地检测脑类器官电生理活动,为脑类器官神经网络的功能表征提供高效的检测平台。脑类器官与MEA技术的融合在神经系统发育及疾病机理研究、生物神经网络智能计算以及在体修复领域引发了广泛关注。在神经系统发育及疾病机理研究方面,MEA技术能够实时长期追踪脑类器官的动态发育过程,并且通过检测不同疾病来源脑类器官的电生理参数信息探究疾病发病机理。在生物神经网络智能计算方面,脑类器官具有异质的三维网络结构和可塑性,是良好的计算载体,通过与MEA的交互,能够构建低功耗、高效率的计算平台。同时,MEA技术在基于脑类器官为载体的神经系统修复领域展现出了广阔的技术应用前景。

关键词： 类脑计算   脉冲神经网络   神经元   突触   仿真  

摘要： 针对大规模脉冲神经网络仿真时存在GPU内存需求高的问题,提出一种针对大规模脉冲神经网络的动态加载仿真方法。通过子网络粒度的数据移动,利用主机内存作为更大的内存池,减少GPU显存对于模型仿真规模的限制,实现在单GPU的计算机进行大规模脉冲神经网络仿真,并使用流水线加速技术减少数据移动对仿真速度的影响。最终实现了在单机GPU的实验环境下仿真百万级别神经元规模的仿真,解决了在脉冲神经网络仿真过程中内存不足的问题。

关键词： 医药产业   技术水平   管道化   中药制药工业   半自动化   生产管控   传统中药   有效管控  

摘要： 中药制药工业是传统医药产业,经过几十年发展基本实现了机械化、管道化和半自动化,但制药技术水平仍然落后.特别是传统中药的生产制造方式主要依赖于人工,无法有效管控中药制药过程,影响中药生产技术的进一步发展.