课程文献中心 更多>>

关键词： 脑科学与类脑研究中心   设计要点   生物科学实验室项目  

摘要： 以北京脑科学与类脑研究中心项目为例,介绍项目设计过程中所考虑的各类因素,重点阐述脑科学与类脑研究中心实验室设计的要点。

关键词： 忆阻器   脉冲耦合神经网络   多帧图像   超分辨率重建  

摘要： 高清晰度的图像是信息获取和精确分析的前提,研究多帧图像的超分辨率重建能够有效解决因外部拍摄环境引起的图像细节丢失、边缘模糊等问题。该文基于纳米级忆阻器,设计一种多通道忆阻脉冲耦合神经网络模型(MMPCNN),能够有效模拟网络中连接系数的动态变化,解决神经网络中固有的参数估计问题。同时,将提出的网络应用于多帧图像超分辨率重建中,实现低分辨率配准图像的融合操作,并通过基于稀疏编码的单帧图像超分辨率重构算法对获得的初始高分辨率图像进行优化。最终,一系列计算机仿真及分析(主观/客观分析)验证了该文提出方案的正确性和有效性。

关键词： 木质纤维   脉冲-旋流气流干燥   响应曲面法   BP神经网络   干燥工艺  

摘要： 为探讨脉冲-旋流气流干燥工艺对木质纤维终含水率的影响,选用Box-Behnken试验设计进行响应曲面法试验,考查杨木纤维脉冲-旋流气流干燥过程中主要工艺参数对终含水率的影响。结果表明:影响杨木纤维终含水率的工艺参数递次是初含水率、进风温度、进料速度和风速。选用TensorFlow框架借助python编程语言建构BP神经网络,搭建终含水率预测模型,结果显示:足够的样本数据反映出规律特征后,预测模型的优化效果得以改善。将响应曲面法试验和BP神经网络模型优化效果进行对照,响应曲面法和BP神经网络的ERMS值、R2值分别为0.2264、0.9834和0.4419、0.9794,反映出响应曲面法的优化水平更好。研究结果旨在为丰富木质纤维气流干燥理论体系及其工业化应用提供技术支持和理论依据。

关键词： 类脑导航   网格细胞   位置细胞   改进Q学习算法   导航认知图  

摘要： 针对导航认知图构建效率低,方向信息不准确等问题,提出了一种基于改进Q学习算法的导航认知图构建方法。首先,利用径向基(RBF)神经网络学习生成网格细胞到位置细胞的映射关系,并利用位置细胞对空间进行表征;其次,采用改进Q学习算法学习位置细胞面向目标的Q值大小;最后,根据重心估计原理计算面向目标的方向信息,并生成导航认知图。仿真结果表明:与传统Q学习算法相比,文中算法生成导航认知图的学习次数从2 000次缩减至1 000次,提高了导航认知图的构建效率;学习值(指面向目标的方向信息)的相对误差最大降低了15%,提高了认知图的准确性。

关键词： 矢量导航   类脑导航   多尺度网格细胞   路径积分   余数系统  

摘要： 动物具有优秀的矢量导航能力,为发展未知环境下无人机新型自主智能面向目标导航方法提供了较好的生物模型。首先阐述了动物大脑矢量导航机理,然后重点研究了多尺度网格细胞模块编码与解码机制,提出一种大尺度空间下基于多尺度网格细胞模型的无人机类脑矢量导航方法。通过在多个吸引子神经网络中引入指数递增型速度增益因子,提出了多尺度网格细胞路径积分方法(编码);基于余数系统框架提出了大尺度空间网格细胞矢量导航解算方法(解码)。仿真实验结果表明:所提方法能够适应在最大范围38 km的大尺度空间中对速度、方位信息进行准确多尺度路径积分(编码),并准确解算当前距目标矢量(解码);验证了所提方法能够进行大尺度空间矢量导航,对进一步发展大尺度空间下无人机三维类脑矢量导航方法具有较好的参考意义。

关键词： 脉冲神经元   图像分类   神经网络   非监督学习   数据集  

摘要： 本文提出一种基于卷积深度神经网络多层架构的,以脉冲神经元为独立计算单元和非监督学习方式为目标标定方式的图像分类网络,相较于传统卷积深度神经网络实现了较大程度上的神经元数目压缩和学习参数压缩,同时通过在数个不同数据集上的实验对该网络相关参数实现调优,最终在Caltech face/motorbike dataset数据集上达到了81%的准确率,验证了本模型的正确性。

关键词： 脉冲神经网络   迁移学习   反向传播   多层网络   MNIST数据集   CIFAR-10数据集   低功耗  

摘要： 使用脉冲序列进行数据处理的脉冲神经网络具有优异的低功耗特性,但由于学习算法不成熟,多层网络训练存在收敛困难的问题。利用反向传播网络具有学习算法成熟和训练速度快的特点,设计一种迁移学习算法。基于反向传播网络完成训练过程,并通过脉冲编码规则和自适应的权值映射关系,将训练结果迁移至脉冲神经网络。实验结果表明,在多层脉冲神经网络中,迁移学习算法能够有效解决训练过程中收敛困难的问题,在MNIST数据集和CIFAR-10数据集上的识别准确率分别达到98.56%和56.00%,且具有微瓦级别的低功耗特性。

关键词： 忆阻器   模糊细胞神经网络   指数同步   时滞脉冲控制  

摘要： 文章研究了忆阻型模糊细胞神经网络的全局指数同步控制问题。首先,通过采用Filippo解和可测选择理论将忆阻模糊细胞神经网络转化成一类参数不确定的神经网络,并给出一个新颖的不等式以解决模糊反馈连接权重的参数不确定问题;然后,通过设计时滞脉冲控制器,并结合李雅普诺夫函数法、脉冲不等式以及给出的新的不等式,得到驱动忆阻模糊细胞神经网络与响应忆阻模糊细胞神经网络在时滞脉冲控制下指数同步的结果;最后,通过数值模拟验证了理论结果的有效性。研究结果表明:采用合适的控制器,忆阻型模糊细胞神经网络的驱动-响应系统是可以达到指数同步的。

关键词： 脉冲星候选体选择   自归一化神经网络   特征选择   类不平衡  

摘要： 脉冲星候选体选择是脉冲星搜寻任务中的重要步骤.为了提高脉冲星候选体选择的准确率,提出了一种基于自归一化神经网络的候选体选择方法.该方法采用自归一化神经网络、遗传算法、合成少数类过采样这三种技术提升对脉冲星候选体的筛选能力.利用自归一化神经网络的自归一化性质克服了深层神经网络训练中梯度消失和爆炸的问题,大大加快了训练速度.为了消除样本数据的冗余性,利用遗传算法对脉冲星候选体的样本特征进行选择,得到了最优特征子集.针对数据中真实脉冲星样本数极少带来的严重类不平衡性,采用合成少数类过采样技术生成脉冲星候选体样本,降低了类不平衡率.以分类精度为评价指标,在3个脉冲星候选体数据集上的实验结果表明,本文提出的方法能有效提升脉冲星候选体选择的性能.

关键词： 图像分类   脉冲神经网络   移动GPU计算  

摘要： 计算机视觉旨在通过计算机模拟人的视觉系统,让计算机学会“看”,是人工智能、神经科学研究的一个热点。作为计算机视觉的经典任务,图像分类吸引了越来越多的研究,尤其是基于神经网络的算法在各种分类任务上表现优异。然而,传统浅层人工神经网络特征学习能力不强、生物可解释性不足,而深层神经网络存在过拟合、高功耗的缺点,因此在低功耗环境下具有生物可解释性的图像分类算法研究仍然是一个具有挑战性的任务。为了解决上述问题,结合脉冲神经网络,设计并实现了一种基于Jetson TK1和脉冲神经网络的图像分类算法。研究的主要创新点有:(1)设计了深度脉冲卷积神经网络算法,用于图像分类;(2)实现了基于CUDA改进的脉冲神经网络模型,并部署在Jetson TK1开发环境上。