课程文献中心 更多>>

关键词： Izhikevich神经元   混合精度   脉冲神经网络   定制计算   FPGA  

摘要： 脉冲神经网络作为第三代神经网络,其工作机理与生物大脑更接近,层内连接与反向连接的复杂拓扑结构具有解决复杂问题的潜力。神经元和突触是脉冲神经网络中最基本的计算单元,相比于带泄露积分触发神经元模型,Izhikevich神经元模型能通过模拟出更多的生物脉冲现象来支持更广泛的类脑仿真计算,但Izhikevich神经元模型的计算复杂度更高,基于其搭建的脉冲神经网络存在低性能、高功耗的问题。提出一种基于FPGA的Izhikevich神经元定制计算方法。首先,通过研究脉冲神经网络中Izhikevich神经元各参数的取值范围以及平衡膜电位的相对误差与资源消耗,设计一套混合精度的定点化方案;其次,针对单个神经元,通过平衡神经元更新计算方程的数据路径实现最小化流水;再次,针对整体脉冲神经网络,设计并行度可扩展的计算架构以适应不同规模的FPGA平台;最后,把该定制计算方法用于经典的NEST仿真器加速。实验结果表明,相比于i7-10700 CPU,经典的丘脑外侧膝状核网络模型和液体状态机模型在ZCU102上的性能平均提升2.26和3.02倍,能效比平均提升8.06和10.8倍。

关键词： 计算神经科学   吸引子动力学   导航   头朝向细胞   网格细胞  

摘要： 哺乳动物的导航系统包含多种类型的神经元,负责位置感知和空间路径规划,涉及多信息整合。吸引子动力学理论作为一个能统一解释记忆、决策等复杂认知功能的脑理论,可以解释导航系统中神经元的特异性放电和路径整合机制。本文综述了空间认知领域吸引子动力学的最新研究进展。首先,概要介绍了计算神经科学和吸引子动力学的一般理论。接着,以哺乳动物导航系统的连续吸引子动力学为核心,深入探讨了头朝向细胞和网格细胞的放电动力学特征及其功能意义。在此基础上,对导航系统吸引子理论进行了拓展与展望。

关键词： 脉冲神经网络   无标度网络   聚类系数   拓扑动态特性  

摘要： 拓扑结构可以影响脉冲神经网络的功能。聚类系数是反映网络连通性的重要拓扑性质之一,基于不同聚类系数拓扑进行脉冲神经网络的研究对于进一步理解网络拓扑性质对网络功能影响具有重要意义。以Izhikevich神经元模型为节点,突触可塑性为边,分别构建高、低聚类系数无标度拓扑的脉冲神经网络,评估并对比两种网络的动态特性。实验结果表明,两种网络动态特性随时间均先剧烈变化而后逐渐趋于稳定;在网络连接强度、局部和全局信息传输效率、小世界属性方面,高聚类均比低聚类无标度脉冲神经网络更具优势。

关键词： 慢性失眠   类淋巴系统   血管周围间隙   扩散张量成像  

摘要： 目的:基于扩散张量成像血管周围间隙(DTI-APLS)指数分析,探讨慢性失眠患者脑类淋巴功能改变及其与睡眠状况(失眠年限和睡眠质量)的相关性。方法:回顾性分析21例慢性失眠患者和32例健康志愿者的常规DTI资料。在左侧大脑半球侧脑室体部水平的投射纤维区域、联合纤维区域勾画两个体素边长(约5.4 mm)的正方形ROI,测量每种纤维在X、Y和Z轴方向的扩散率(DX、DY、DZ),计算并比较2组患者的DTI-APLS指数值,并将其与年龄、受教育年限、慢性失眠年限、焦虑和抑郁量表(贝克抑郁自评量表、状态焦虑量表、状态特质焦虑量表)评分及匹兹堡睡眠质量指数进行Pearson相关性分析。使用ROC曲线评估扩散相关指标(DX、DY、DZ及ALPS指数等)对慢性失眠的诊断价值。结果:慢性失眠组的ALPS指数值显著低于对照组(t=-3.768,P<0.001)。DTI-ALPS指数与失眠年限呈显著负相关(r=-0.449,P=0.041),与年龄(r=-0.218,P=0.342)、受教育年限(r=0.015,P=0.950)、贝克抑郁自评量表评分(r=-0.139,P=0.549)、状态焦虑量表评分(r=-0.040,P=0.864)、状态特质焦虑量表评分(r=-0.095,P=0.682)及匹兹堡睡眠质量指数(r=-0.227,P=0.323)均无显著相关性。DTI-ALPS指数对区分慢性失眠与健康人群具有较好的诊断效能,AUC为0.811,敏感度为0.810,特异度为0.719。DX、DY、DZ值对区分慢性失眠与健康人群的敏感度和特异度均较低。结论:慢性失眠患者存在脑类淋巴系统功能障碍,且其程度与失眠的病程具有相关性。表征类淋巴循环功能的DTI-ALPS指数对区分慢性失眠患者与健康人群具有较高的诊断效能。

关键词： 指数反同步   神经网络   脉冲扰动   时滞   Lyapunov泛函方法  

摘要： 本文研究了一类带扰动脉冲的时滞神经网络系统指数反同步问题.利用Lyapunov泛函方法和分析技巧,建立了驱动-响应时滞神经网络系统全局指数反同步的充分条件,并利用数值仿真验证了所得结论的有效性.

关键词： 深度脉冲神经网络   昆虫识别   PyTorch   深度卷积神经网络   脉冲神经网络  

摘要： 精准的昆虫种类识别对防治虫害有很大的帮助,是农业智能化的重要表现。提出了基于深度脉冲神经网络的昆虫识别系统,首先对样本图像进行图像预处理;接着利用脉冲神经网络对昆虫图像进行整体轮廓特征提取,初步定位昆虫区域,然后进行昆虫区域分割;最后结合深度卷积神经网络(deep convolutional neural networks,DCNN)和脉冲神经网络(spiking neural networks,SNN)各自的优势,利用PyTorch搭建了深度脉冲神经网络(deep spiking neural networks,DSNN)模型进行训练以及昆虫的识别测试。测试结果表明:该系统具有较高的定位率和识别率,为后续昆虫种类图像识别场景化应用研究奠定了基础。

关键词： 脉冲神经网络   积分点火神经元模型   脉冲编码   现场可编程门阵列   移动机器人   超声传感器  

摘要： 神经形态芯片是类脑计算的重要研究内容之一,神经网络的硬件实现是神经形态芯片实现的基础。具有生物似真性的脉冲神经网络(Spiking Neural Networks, SNNs),通过尖脉冲(Spikes)传递时空信息,更适于用硬件实现,是实现类脑计算的主要工具之一。该文提出一种基于FPGA的移动机器人SNNs走廊场景分类器:将移动机器人超声传感器信息进行脉冲编码后输入到SNNs走廊场景分类器中,通过FPGA分类器的脉冲输出模式来判断机器人所处的走廊场景,从而提高机器人的环境感知能力和自主性。详细讨论了脉冲积分点火神经元模型的FPGA实现原理,以及基于此神经元模型的SNNs走廊场景分类器的硬件实现方案,仿真及实验结果证明了所提基于FPGA的移动机器人SNNs走廊场景分类器的有效性。所提走廊场景分类器不受光照条件的影响,需要的传感器测量信息少,FPGA硬件资源占有率低(LE的利用率仅10%),分类速度快、准确率高,适于实际应用。该研究不仅可以提高移动机器人的环境感知能力和自主性,而且为硬件实现SNNs提供了有益参考。

关键词： 脉冲神经网络   目标检测   转换误差   对偶误差模型  

摘要： 脉冲神经网络(SNN)是一种模拟大脑神经元动力学的低功耗神经网络,为高计算效率、低能源消耗环境部署目标检测任务提供了可行的解决方案。由于脉冲的不可微性质导致SNN训练困难,一种有效的解决方法是将预训练的人工神经网络(ANN)转换为SNN来提高推理能力。然而,转换后的SNN经常遇到性能下降和高延迟的问题,无法满足目标检测任务对高精度定位的要求。该文针对ANN转SNN过程中产生的误差问题,引入对偶误差模型降低转换性能损失。首先,该文分析误差产生原因,构建对偶误差模型来模拟ANN到SNN转换误差。进一步地,将对偶误差模型引入到ANN训练过程,使转换前后的模型在训练和推理过程中误差保持一致,从而降低模型的转换性能损失。最后,利用轻量化检测算法YOLO在数据集PASCAL VOC和MS COCO上验证了对偶误差模型的有效性。

关键词： 无人集群   脑驱智能   脑启发   脑机制   智能化   协同化  

摘要： 无人集群广泛应用于军事、工业等重要领域,并逐渐向智能化、协同化快速发展。借鉴人脑系统的高级智能模板,从端、边、云三个类脑层面讨论新型无人系统的设计构想,为未来智能无人集群提供了创新的探索思路。首先,端节点的通用异构无人机模仿大脑神经元形式,节约个体无人机开发成本并提升集群协作效能。其次,无人机间的拓扑结构借鉴类脑交互模式,形成内外双向通信环路以提升信息交互效率。最后,无人集群云端参考人脑与环境交互的自学习方式,在任务中动态扩充知识库以优化系统性能。综合上述类脑无人集群的设计思想,探索分析了该领域的关键技术,并对未来无人集群的智能化发展进行了展望。

关键词： 数字孪生   边缘计算   类脑  

摘要： 为了将数字孪生技术应用于智能制造领域,有效地解决智能制造领域中物理信息难以融合的难题,引入技术类脑边缘计算。首先将数字孪生技术与边缘计算相结合,实现数字孪生工厂的实时监控和智能分析,提高工厂生产效率和质量。根据边缘计算的工作需求,设计类脑边缘计算盒子的设备构造,并设计数字孪生工厂的智能车间与全场景AI概念模型,为实现工业4.0下的新工厂智能化提供有效的理论基础,推动数字孪生技术更快更好地发展,使其更适用于数字孪生工厂中的各种应用场景。