课程文献中心 更多>>

关键词： 脉冲神经网络   权重量化   对抗鲁棒性   稀疏性   对抗攻击  

摘要： 类脑芯片中的脉冲神经网络(SNNs)具有高稀疏性和低功耗的特点,在视觉分类任务中存在应用优势,但仍面临对抗攻击的威胁。现有研究缺乏对网络部署到硬件的量化过程中鲁棒性损失的度量方法。该文研究硬件映射阶段的SNN权重量化方法及其对抗鲁棒性。建立基于反向传播和替代梯度的监督训练算法,并在CIFAR-10数据集上生成快速梯度符号法(FGSM)对抗攻击样本。创新性地提出一种感知量化的权重量化方法,并建立与对抗攻击的训练与推理相融合的评估框架。实验结果表明,在VGG9网络下,直接编码对抗鲁棒性最差。在权重量化前后,4种编码和4种结构参数组合方式下,推理精度损失差与层间脉冲活动的平均变化幅度分别增大73.23%和51.5%。该文指出稀疏性因素对鲁棒性的影响相关度为:阈值增加大于权重量化bit降低大于稀疏编码,所提对抗鲁棒性分析框架与权重量化方法在PIcore类脑芯片中得到了硬件验证。

关键词： 重庆经开区   智能科学   记忆衰退   脑科学   重庆市南岸区   神经科学   产业先导   创新高地  

摘要： 失眠、记忆衰退、意识涣散、注意力不集中……这些当代人常有的“脑”症状,随着6月30日重庆脑与智能科学中心的揭牌,未来都可能在重庆经开区得到解决。该中心是由重庆市南岸区、重庆经开区整合全市神经科学、智能科学领域创新资源而成立的。

关键词： 智能科学   脑科学   复旦大学   科学与技术研究   好奇心   大脑   读懂   研究员  

摘要： 人脑是世界上最复杂、最先进、最神奇的器官.直至今日,我们还不能真正了解大脑,而对大脑的好奇心也推动着脑科学不断前进.在这种好奇心的推动下,贾天野和他的团队成为了孜孜不倦的"读脑者".

关键词： 触觉感知   物体检测   脉冲神经网络   图神经网络   注意力机制  

摘要： 触觉传感器(柔性电子皮肤)在机器人进行人机交互和工具操作时发挥着重要作用,如何有效利用触觉信息进行物体检测是当前研究的主要瓶颈.鉴于此,提出一种脉冲图残差卷积神经网络SNN-Atten-ResGCN的物体检测算法.首先使用图残差网络ResGCN模型训练触觉时间序列的表征信息,通过引入深度学习模型中的注意力机制拟合触觉数据图形结构的局部特征;然后对重构的触觉图形输入由3个LIF神经元和2个FC全连接层组成的SNN脉冲神经网络训练得到特征向量;最后投票层Vote解码网络特征并检测物体类别.在EvTouch-Objects和EvTouch-Containers两个家庭常见物体触觉数据集上进行对比实验,实验结果表明,所提出方法在保证模型迭代效率的同时,对各种不同的家庭工具对象和容器对象的检测准确率、精度、召回率和F1-score均有提升.

关键词： 脉冲神经网络   神经形态计算硬件   脉冲输入输出   资源分配   最大空矩形  

摘要： 神经形态计算硬件是专为运行脉冲神经网络(spiking neural network,SNN)应用而设计的专用计算机系统.随着硬件资源规模的增大,神经元计算机能够支持更多数量的SNN应用并发运行,如何有效地为SNN应用分配神经形态计算硬件资源变得极具挑战性.首先提出一种神经元计算机操作系统的资源分配框架,在加载SNN应用到神经形态计算硬件时分配硬件资源以及建立对应的输入输出路由,实现了资源分配过程与编译器间的解耦.其次,创新性地引入了最大空矩形(maximum empty rectangle,MER)算法来处理神经形态计算硬件资源的动态分配问题;针对SNN应用的脉冲输入输出特性,提出了一种最小化脉冲输入输出通信代价的资源分配算法,旨在降低脉冲输入输出能耗、延迟和资源碎片.实验结果显示,所提算法比现有算法表现出较好的性能,其中脉冲输入输出平均延迟最高降低了81%,碎片率降低了92%.

关键词： 海马体   脑内GPS   位置细胞   网格细胞  

摘要： 20世纪以来, 随着脑科学研究的进展, 科学家们发现了脑内GPS, 揭示了大脑空间认知的机制。脑内GPS的发现过程经历了3个阶段:1971年, 约翰·奥基夫发现了大脑海马体内的位置细胞, 为脑内GPS研究的开始;1980年, 詹姆斯·兰克发现了大脑内侧内嗅皮层的头部方向细胞, 脑内GPS的研究取得了突破;2005年, 莫泽夫妇发现了网格细胞, 标志着脑内GPS研究的成熟。脑内GPS的发现不仅揭示了大脑在细胞层面的空间认知功能, 还为研究与神经系统相关的疾病提供了理论基础。

关键词： 电力线通信   脉冲噪声   α稳定分布   参数估计   混合神经网络  

摘要： 脉冲噪声广泛存在于电力线通信(power line communication,PLC)系统中,会严重影响系统的通信性能。电力线脉冲噪声的建模通常使用α稳定分布模型,为达到最佳的脉冲噪声抑制效果,需要知道脉冲噪声的类型和相关参数。为此,文章提出一种基于混合神经网络的符合α稳定分布的脉冲噪声参数估计方法。不同于传统的方法,本方法可以分别独立地估计α稳定分布的重要参数α(即特征指数)和γ(即尺度参数)。仿真结果表明,与传统方法相比,提出的方法具有更准确的参数估计性能,归一化均方误差值仅为10–4左右。

关键词： 脉冲神经网络(SNN)   类脑智能   脑机接口(BCI)   实验范式  

摘要： 类脑脉冲神经网络(SNN)由于同时具有生物合理性和计算高效性等特点,因而在生物模拟计算和人工智能应用两个方向都受到了广泛关注。该文通过对SNN发展历史演进的分析,发现上述两个原本相对独立的研究方向正在朝向快速交叉融合的趋势发展。回顾历史,动态异步事件信息采集装置的成熟,如动态视觉相机(DVS)、动态音频传感(DAS)的成功应用,使得SNN可以有机会充分发挥其在脉冲时空编码、神经元异质性、功能环路特异性、多尺度可塑性等方面的优势,并在一些传统典型的应用任务中崭露头角,如动态视觉信号追踪、听觉信息处理、强化学习连续控制等。与这些物理世界的应用任务范式相比,生物大脑内部存在着一个特殊的生物脉冲世界,这个脉冲世界与外界物理世界互为映像且复杂度相似。展望未来,随着侵入式、高通量脑机接口设备的逐步成熟,脑内脉冲序列的在线识别和反向控制,将逐渐成为一个天然适合SNN最大化发挥其低能耗、鲁棒性、灵活性等优势的新型任务范式。类脑SNN从生物启发而来,并将最终应用到生物机制探索中去,相信这类正反馈式的科研方式将极大的加速后续相关的脑科学和类脑智能研究。

关键词： 电力线通信   智能电网   脉冲噪声   深度学习   人工智能   深度神经网络  

摘要： 针对非线性抑制方法需要先验统计信息确定最佳门限且引起非线性失真的问题,提出一种改进深度神经网络(DNN)的电力线脉冲噪声抑制与补偿算法。首先通过DNN锁定脉冲噪声的位置,然后采用置零法清除该位置的数据,最后对处理后的信号进行非线性失真重构与补偿,并与其它算法进行了仿真对比实验。仿真结果表明:所提算法提升了DNN的识别率,降低了系统误码率,具有较好的鲁棒性。