课程文献中心 更多>>

关键词： 类脑计算   人工智能   脉冲神经元   神经突触   神经元数量   浙江大学   计算机   实验室  

摘要： 据报道,浙江大学联合之江实验室2020年9月1日在杭州发布一款包含1.2亿脉冲神经元、近千亿神经突触的类脑计算机。该计算机使用了792颗由浙江大学研制的达尔文2代类脑芯片,神经元数量规模相当于小鼠大脑。据介绍,类脑计算是一种颠覆传统计算架构的新型计算模式,被视为解决人工智能等领域计算难题的重要路径之一。

关键词： 时滞脉冲神经网络   均方指数稳定性   马氏切换  

摘要： 为研究带马氏切换的时滞脉冲随机神经网络的均方指数稳定性,构造了合适的Lyapunov函数,并利用伊藤公式、矩阵知识、泛函理论及神经网络自身的特性,对脉冲时刻及非脉冲时刻的系统状态进行分析,得到了该神经网络具有均方指数稳定性的判别准则,该准则应用广泛,简单好用.最后通过数值例子及仿真模拟,说明了该准则的正确性.

关键词： 类脑计算系统   脉冲神经网络仿真器   现场可编程逻辑门阵列集群   硬件实现   皮质层视觉仿真模型  

摘要： 针对类脑计算系统中NEST脉冲神经网络仿真器运行速度慢和功耗高的问题,设计一种基于现场可编程逻辑门阵列(FPGA)集群的NEST脉冲神经网络仿真器。在改进NEST仿真器结构的基础上,提出漏电流整合放电神经元计算模块的流水线并行架构,实现支持双核双线程和多节点多进程的FPGA集群设计。在皮质层视觉仿真模型上的实验结果表明,与基于Xeon E5-2620和ARM A9平台的NEST仿真器相比,基于FPGA集群的NEST仿真器计算能效和速度分别提升43.93倍、23.54倍和12.36倍、208倍,能为大规模类脑计算系统实现提供技术支持。

关键词： 脉冲神经网络   短期负荷预测   放电时刻误差反传算法   电力系统  

摘要： 针对电力负荷的非线性时间序列预测问题,本文构造了一种基于脉冲神经网络的短期负荷预测模型。该模型基于改进的脉冲神经元模型构建了多层脉冲神经网络,并通过脉冲时刻误差反传算法进行学习。模型借鉴了生物大脑基于脉冲放电的处理时空信息机制,将时间序列信息编码成脉冲序列,利用脉冲神经网络挖掘和处理多时间尺度时空放电模式的能力进行连续的负荷预测,最后通过解码神经元膜电压输出负荷估计值。为验证预测模型的有效性,本文基于某地区的实际电网负荷数据进行了预测实验,结果表明脉冲神经网络模型相对其他模型具有更高的准确性和稳定性。该研究为电力负荷预测的发展提供了一种新的可能途径。

关键词： 图像处理   随机脉冲噪声   双通道降噪卷积神经网络   参考图像   噪声感知特征   噪声检测   插值  

摘要： 为提高对随机脉冲噪声(RVIN)图像的降噪效果,该文提出一种被称为双通道降噪卷积神经网络(D-DnCNN)的RVIN深度降噪模型。首先,提取多个不同阶对数差值排序(ROLD)统计值及1个边缘特征统计值构成描述图块中心像素点是否为RVIN噪声的噪声感知特征矢量。其次,利用预先训练好的深度置信网络(DBN)预测模型实现特征矢量到噪声标签的映射,完成对噪声图像中噪声点的检测。再次,在噪声检测标签的指示下采用Delaunay三角剖分插值算法快速修复噪声像素点从而获得初步复原图像。最后,将初步复原图像作为参考图像与噪声图像联接(concatenate)后输入D-DnCNN模型后获得残差图像,将参考图像减去残差图像即可获得降噪后图像。实验数据表明:D-DnCNN模型在各个噪声比例下的降噪效果均显著超过了现有的经典开关型RVIN降噪算法,与普通的单通道RVIN深度降噪模型相比也有较大幅度提升。

关键词： 学习心理学   网格细胞   学海无涯   布莱特   发现者   茁壮成长   挪威  

摘要： 学海无涯1963年,梅·布莱特·莫索尔出生在挪威的福斯纳沃格。经过十多年的茁壮成长,她成了一名成绩优异的学生,并顺利考人挪威规模最大、历史最悠久的奥斯陆大学学习心理学。

关键词： 脑蛋白水解物制剂   脑神经类疾病   保护作用  

摘要： 脑蛋白水解物制剂是一类猪脑来源的、富含小分子多肽和游离氨基酸的混合制剂,具有类似神经营养因子的生物学作用。脑蛋白水解物制剂能够改善神经系统疾病患者的学习、记忆及认知等,其作用机制为促进神经细胞再生,加快突触形成速度,修复神经元损伤,抑制神经元凋亡,并且减少神经元衰老等,起到神经保护和神经营养的作用。目前,脑蛋白水解物制剂包括了注射剂和口服制剂两大类。本文对两大类脑蛋白水解物制剂对脑神经相关疾病的作用机制和疗效进行综述。

关键词： STDP规则   脉冲神经网络   LIF模型   投票竞争机制   图像识别  

摘要： 人类对于生物系统信息的处理主要依赖于构成复杂神经网络的数十亿个神经元,并且信息以脉冲的形式进行传输。利用STDP学习算法构建基于LIF模型的两层脉冲神经网络结构,并对分类层算法进行改进,提出一种投票竞争机制。通过多次训练后对神经元表现类别进行竞争投票,优化同等神经元数量的网络机构在图像分类问题中的性能。在MNIST数据集上进行实验验证,结果表明,该投票竞争机制准确率达到98.1%,与同等网络规模下未采用投票竞争机制的脉冲神经网络相比,准确率平均提高了约6%,而且当神经元数目较少时,在不增加训练时间情况下,可以取得与更加复杂网络结构相同的训练结果。

关键词： 《春晓》   半月谈   类脑计算   计算机   处处闻啼鸟   记者  

摘要： “春眠不觉晓。”“……处处闻啼鸟……”半月谈记者对着一台名为“Darwin Mouse”的计算机念出唐诗《春晓》脍炙人口的第一句,短暂的停顿后,它居然凭着自己的“记忆”,背完了整首诗。