课程文献中心 更多>>

关键词： 脉冲神经网络   分布式计算   负载均衡   超图分区   拓扑感知映射  

摘要： 脉冲神经网络（Spiking Neural Network，SNN）正日益成为研究和模拟大脑各区功能及其相互关联性的重要方法。为了模拟更大规模脑区域，并行分布式计算已成为模拟SNN的必然选择。然而，随着计算规模的增长，计算节点间的负载不均衡及通信问题成为了影响SNN模拟性能的主要因素。但针对分布式计算平台，现有分区算法还无法找到全局最佳分区并有效地将工作负载映射到计算核心上。因此，本文提出了一种基于通信和拓扑感知的分区与映射算法，该算法包括两个核心步骤：分区和拓扑感知映射。通过引入对SNN连接感知分区，可提高计算效率并降低通信延迟；在拓扑感知映射方法中，利用通信拓扑图和底层网络信息将工作负载高效地分配到各计算节点上，最小化跨不同计算核心的通信成本。实验结果表明，在国家超算济南计算中心的并行计算平台上，采用96进程规模并行模拟SNN基准测试集时，所提出方法在分布式计算平台上比现有几种最先进的分区框架具有更好的负载均衡和通信性能，在同步时间减少了40%，通信时间上减少了7.1%，在最终的模拟时间上仿真时间缩短了30%。

关键词： 小头症   Wnt通路   神经发育障碍   神经损伤   生物力学   神经科学   传导途径   细胞骨架  

摘要： 目的小头症是一种神经发育障碍,其致病机理和神经损伤机制尚未完全明确。小头症最基本的临床表现是头颅周径生长滞后,颅骨形变诱导压应力可直接导致脑组织压缩及神经功能受损,探究压应力调控小头症神经损伤的变化规律对于深刻理解小头症的神经损伤机理和开发有效治疗方法具有重要意义。方法利用生物力学、神经科学及细胞组织工程手段构建了hi PSC来源类脑器官的小头症可控加载模型,通过设置不同加载梯度探究了压应力与类脑器官生长、接触模量和硬度的关系,以及压应力的传导途径。结果通过设置不同加载梯度探究了压应力与类脑器官生长、接触模量和硬度的关系,在类脑诱导至16 d后,类脑面积与加载间距呈正相关,当加载间距低于400μm时类脑生长受限,在加载间距为200μm时,类脑面积比对照组降低35%。当类脑处在压应力环境下,机械力通道蛋白Piezo1被大量表达,且随压应力增加而增加,同时通过细胞骨架及Wnt通路进行传导。结论设计了适用于小头症压应力损伤模型,探究了压应力在小头症神经损伤中的作用机理。

关键词： 电动汽车   充电安全状态   脉冲神经元   粒子群算法  

摘要： 针对电动汽车充电安全状态预测精度不高,充电安全保障程度不够的问题,提出以深度脉冲神经网络为基础依据的电动汽车充电安全状态预测系统。系统通过粒子群算法对脉冲神经网络进行深度优化,以实现更加准确的电动汽车充电安全状态预测。电动汽车充电安全状态预测主要通过电动汽车充电时的充电数据信息,对电动汽车动力电池的充电温度进行预测,通过阈值判断电动汽车充电过程是否处于安全状态。经过实验验证分析,设计的系统精确度高,泛化能力强,更加适用于电动汽车充电安全状态预测。

关键词： 专利实体   专利文本   专利挖掘   技术识别   深度学习   机器学习   Bert-BiLSTM-CRF模型  

摘要： [研究目的]专利实体抽取是基于专利文本的技术识别的基础。目前专利实体抽取任务面临自动化程度和准确率较低等问题,该研究从两方面对此进行改进:一是建立特定领域的高质量专利语料库,二是将先进的算法模型运用到专利实体抽取中。[研究方法]定义了包含13种实体类型的细粒度信息体系,并据此对921篇类脑智能专利的标题和摘要进行人工标注,此后运用Bert-BiLSTM-CRF模型,融合深度学习和机器学习对类脑智能专利实体进行识别。[研究结论]模型在总体上获得0.8的准确率、召回率和F1值,不同类型实体的识别效果具有差异。为了验证模型的性能,设计了几个对比实验。结果显示,微调数据和增加训练规模可以提高模型性能,本模型性能优于同时期一些经典模型。

关键词： 长短期记忆神经网络   混沌噪声   微弱信号检测   卷积神经网络  

摘要： 微弱信号是指相对背景噪声而言,其信号幅度的绝对值很小、信噪比较低的一类信号,这种信号通常受到各种干扰和噪声的影响,使得其在背景中难以被准确检测或识别。微弱信号可能来自于远距离传输、低功率信号源、弱信号目标等情况。在实际应用中,检测和提取微弱信号是一项重要的技术挑战,因为微弱信号往往包含有用的信息,例如传感器信号、通信信号、生物信号等。有效地检测和分析微弱信号可以帮助我们了解环境、诊断疾病、进行通信传输等。为了提高微弱信号的检测精度,本文构建一种基于注意力机制的CNN-LSTM模型,首先,基于混沌信号对初始值的敏感性及短期可预测性,根据Takens定理对各局部传感器的观测信号进行相空间重构,建立Att-CNN-LSTM模型来对混沌信号进行预测,由此得到单步预测误差,此时,对观测信号的检测问题就可以转化为对一步预测误差的信号检测问题。最后,使用Z检验的方法对微弱信号进行检测,得到局部传感器的检测结果。实验结果表明,本文提出的模型有相较于其他模型有更好的表现。

关键词： 智能诊断   脉冲神经网络   生物可解释性   物理可解释性   小波变换  

摘要： 近年来,人工神经网络在可解释性机械故障智能诊断研究中已经取得一些成果。然而人工神经网络本身不是模拟生物神经网络的学习机制,缺乏生物可解释性。脉冲神经网络能够很好地模拟生物信号在神经网络中的传播,具有较强的生物可解释性,但当前的脉冲编码方式缺乏物理可解释性。提出一种兼具物理可解释性和生物可解释性的小波核编码的脉冲卷积神经网络,用于轴承端到端的可解释性智能诊断。首先,设计一种小波核编码器,利用小波核卷积从轴承振动信号中提取多尺度物理特征,进而采用脉冲神经元将其编码为脉冲编码信息;其次,构建多层脉冲卷积特征提取器,从脉冲编码信息中提取深层状态特征;最后,建立脉冲分类器,通过输出层脉冲神经元的放电概率预测轴承的健康状态。采用两组轴承健康状态数据集验证所提模型的可解释性和有效性。试验结果表明:脉冲编码信息能够清晰反映轴承不同健康状态,具有物理可解释性;所提方法能够实现端到端的模型训练,故障诊断准确率与传统卷积神经网络相当,而模型收敛的稳定性更优。

关键词： 人工智能系统   超低功耗   低功耗特性   神经网络   科研人员   系统级芯片   天然优势   大脑机制  

摘要： 据报道,来自中国科学院自动化研究所等单位的科研人员联合研发出一款新型类脑神经形态系统级芯片Speck。该芯片展示了类脑神经形态计算在融合高抽象层次大脑机制时的天然优势。相关研究成果在线发表于《自然·通讯》杂志上。人脑运行的神经网络虽然非常复杂且庞大,但总功耗却仅为20 W,远小于现有的人工智能系统。因此,在算力比拼加速、能耗日益攀升的当下,借鉴人脑的低功耗特性发展新型智能计算系统成为极具潜力的方向。

关键词： 工程应用型   深度学习   边缘人工智能  

摘要： 针对“类脑计算与芯片”课程学生对抽象的深度学习理论理解困难且动手能力不足的情况,设计了以工程应用为导向的类脑计算教学实验:以BP神经网络为例,开发了基于深度学习的数码管数字识别实验;并在课堂上采用工程应用型一体化教学模式:在教学中以实际应用为案例,做到理论知识与工程应用结合;在训练单元采取“基础训练+项目驱动”的方式,评价方式采用过程和结果综合考核。通过该实验及教学模式的革新,学生加深了对深度学习原理的理解,熟悉了利用嵌入式平台进行“云端训练+边缘推断”深度学习工程应用的开发流程;提高了学习的主观能动性和工程实践能力。

关键词： 高光谱图像分类   脉冲神经网络   LIF   近似导数算法   注意力机制  

摘要： 针对深度学习模型参数多、算法复杂、计算能耗高,难以应用在高光谱图像分类的移动计算问题,本文设计了一种基于LIF神经元和注意力机制的脉冲神经网络(LIF-SSEM)模型.利用SNN架构和注意力机制融合高光谱图像的时空信息,可消除光谱异质给图像分类带来的不确定性.模型同时利用LIF神经元和近似导数算法可实现空间光谱特征的有效提取.在IP、PU、SA、WHHC和WHLK数据集的实验结果表明,LIF-SSEM模型具有较好的性能优势.

关键词： 事件相机   划痕检测   脉冲神经网络   事件帧  

摘要： 由于铝基片生产过程中的生产环境复杂且光照干扰强,传统相机采用CCD或CMOS传感器无法满足当下的划痕智能质检需求,利用事件相机具有高动态、低延迟、低功耗的特点,可有效解决环境因素对数据采集的影响。脉冲神经网络(spiking neural networks,SNN)以脉冲传递信息,具有很高的生物可解释性,脉冲神经网络和事件相机都模拟了生物脉冲,因此提出了一种最大池卷积脉冲神经网络(convolutional spiking neural network max-pooling,CSNN Max-Pooling)处理事件相机数据。最后实验数据表明该方法用于基于事件相机的铝基片划痕检测效果显著。