课程文献中心 更多>>

关键词： 慢性脑低灌注   脑小血管病   认知功能障碍   动物模型   综述  

摘要： 慢性脑低灌注被认为是脑小血管病的主要病理机制之一,是认知功能衰退和痴呆这一神经退行性改变过程的主要致病因素。基础实验多用啮齿类动物模拟脑小血管病,但至今仍缺乏理想的动物模型。现综述慢性脑低灌注动物模型研究进展,以期对脑小血管病的基础研究提供实验指导。

关键词： 图像分割   脉冲耦合神经网络   阈值  

摘要： 文章研究了基于PCNN模型的图像分割。该方法利用PCNN模型有类似的灰度值与神经元对应可以同时发出脉冲的特征,保留图像的区域信息,显示了更多分割目标的细节信息,文章采用Lena图、Coins图以及经过模糊处理以后的Bike图进行了图像分割,并与最大类间方差Ostu分割方法进行了对比。实验结果表明,脉冲耦合神经网络分割方法利用最小的迭代次数、最快的分割速度,在图像的细节、轮廓以及去模糊方面实现了良好的分割效果。

关键词： 脉冲神经网络   神经元重分布   PYNQ集群   NEST仿真器   稀疏交换  

摘要： 为满足大规模脉冲神经网络(SNN)的计算需求,类脑计算系统通常需要采用大规模并行计算平台。然而随着节点数量的增多,通信在仿真中所占比例大幅增加,导致计算效率下降。类脑模拟器开源软件NEST采用缓冲区大小相等的策略,有效缩短了通信时间,但是由于缓冲区互相无交流,使得通信数据量持续增加,因此其在能耗方面表现较差。分析NEST集群的负载特性,针对其中的通信问题进行稀疏性优化,提出基于SNN子图跨节点优化的神经元重分布算法ReLOC。通过优化SNN子图的跨节点分布减少每一轮神经元到进程的数量,从而减少跨节点脉冲,使进程间通信更加稀疏,达到缩减每一轮通信进程的目的。在此基础上,以稀疏交换的思想对NEST本身的通信机制进行改进,使有脉冲交换的进程进行数据交换,从而在连接稀疏的情况下提升通信效率。以包含28个Xilinx PYNQ节点的计算集群作为实验平台,运行皮质微电路SNN模型和平衡随机网络模型,验证ReLOC算法的有效性。实验结果表明,相比循环分布算法,重分布算法能够使通信的平均稀疏性提高20%,同时配合稀疏交换最多可使通信能耗减少98.63%。

关键词： 复值神经网络   脉冲耦合   渐近同步   序列连通性   直接误差方法  

摘要： 本文研究多个复值神经网络在脉冲耦合机制下形成复杂网络系统的全局渐近同步问题.首先,基于序列连通和Dirac函数,引入网络节点仅在离散时刻进行信息交互的脉冲耦合策略.其次,通过直接误差方法及迭代思想建立脉冲耦合复值神经网络渐近同步的判别条件.最后,给出相关数值实例及仿真来验证理论结果的正确性和有效性.

关键词： 全卷积神经网络   眼底血管分割   脉冲耦合神经网络   U-Net   医学图像分割  

摘要： 由于眼底血管结构复杂多变,且图像中血管与背景对比度低,眼底血管分割存在巨大困难,尤其是微小型血管难以分割。基于深层全卷积神经网络的U-Net能够有效提取血管图像全局及局部信息,但由于其输出为灰度图像,并采用硬阈值实现二值化,这会导致血管区域丢失、血管过细等问题。针对这些问题,提出一种结合U-Net与脉冲耦合神经网络(PCNN)各自优势的眼底血管分割方法。首先使用迭代式U-Net模型凸显血管,即将U-Net模型初次提取的特征与原图融合的结果再次输入改进的U-Net模型进行血管增强;然后,将U-Net输出结果视为灰度图像,利用自适应阈值PCNN对其进行精准血管分割;在U-Net模型中引入Batch Normalization和Dropout,提高训练速度,有效缓解过拟合问题。实验结果表明,所提方法的AUC在DRVIE、STARE和CHASE_DB1数据集上分别为0.9796,0.9809和0.9827。该方法可以提取更多的血管细节,且具有较强的泛化能力和良好的应用前景。

关键词： 神经网络   脉冲控制   执行器饱和   局部指数同步   初值可容许集  

摘要： 文章通过设计一类具有执行器饱和的脉冲控制器来获得驱动响应神经网络的混沌同步.首先分别利用扇区非线性模型法和多面体表示法处理了脉冲时刻的系统的饱和非线性.其次,通过选取适当的二次Lyapunov函数,结合数学归纳法获得了线性矩阵不等式(LMIs)相关的局部指数同步准则.最后,通过一个数值例子验证了结论的有效性.

关键词： 循环神经网络   储备池计算   时序信息   忆阻器   硬件开销   单元构建   处理性能  

摘要： 对时间复杂度信息的学习和处理是人脑的一大优势,而储备池计算是一种低训练代价、低硬件开销的循环神经网络,在时序信息处理方面具有广泛的应用。近日,北京大学科研团队在Advanced Materials杂志发表了题为Multilayer Reservoir Computing Based on Ferroelectric α-In_(2)Se_(3) for Hierarchical Information Processing的论文,该团队首次采用忆阻器单元构建了深度储备池计算硬件,通过储备池层数的增加实现了时序信息处理性能的显著提升。

关键词： 星载计算机   类脑计算   星上智能处理平台   天地一体化  

摘要： 传统卫星运行基于单星工作模式,计算能力有限,当处理海量数据时,由于单个节点能力的不足极大限制了整体的发展。为适应行业对业务处理低延时提出的迫切需求,天地一体化多星协同、多任务协同的智能化工作模式重要性逐渐显现。传统星载计算机采用固有算法及硬件进行简单任务规划及多星协同管理,其算力及算法难以满足基于深度学习的智能任务需求。当前,基于脉冲神经网络(SNN)加深度神经网络(DNN)的类脑计算方法,具有强智能计算、低能耗、强并行、高效率、存算一体等特点。通过对卫星智能处理平台发展趋势分析,针对异构融合类脑芯片优势特征,同时兼顾航天器在轨可靠性需求,提出基于异构融合类脑芯片的卫星智能处理平台架构,完成星上在轨智能预测和自主任务规划,进一步降低卫星业务成本。

关键词： 生物组装   神经生态位   神经干细胞   神经损伤修复  

摘要： 随着神经再生医学的快速发展,基于神经生态位重塑原理的内源性与外源性复合神经修复技术,开启了神经再生修复新方向。内源性神经修复是“唤醒”激活特定脑区的神经干细胞(NSCs),并向损伤灶区迁徙修复神经损伤。外源性神经修复是向脑损伤灶区移植足量的外源性NSCs,修复神经功能缺失。生物组装类脑生态位重塑,解决了神经修复过程中各种再生细胞属性演变及其微环境调控的多维信息解码问题,逆转再生修复障碍,阐释神经修复的有序调控。本文就此问题作一述评。

关键词： 脉冲神经网络   自适应编码   替代梯度反向传播   漏电积分发放神经元模型  

摘要： 脉冲神经网络(SNN)采用脉冲序列表征和传递信息,与传统人工神经网络相比更具有生物可解释性,但典型SNN的特征提取能力受到其结构限制,对于图像数据等多分类任务的识别准确率不高,不能与卷积神经网络相媲美。为此提出一种新型的自适应编码脉冲神经网络(SCSNN),将CNN的特征提取能力与SNN的生物可解释性结合起来,采用生物神经元动态脉冲触发特性构建网络结构,并设计了一种新的替代梯度反向传播方法直接训练网络参数。所提出的SCSNN分别在MNIST和Fashion-MNIST数据集进行验证,取得较好的识别结果,在MNIST数据集上准确率达到了99.62%,在Fashion-MNIST数据集上准确率达到了93.52%,验证了其有效性。