课程文献中心 更多>>

关键词： 非下采样剪切波变换   脉冲偶合神经网络   自适应参数   属性融合   裂缝预测  

摘要： 常用的叠后地震属性主要有相干体(描述波形相似性)、曲率体(表征构造应力引起的地层弯曲程度)、倾角体(刻画地层构造变化特征)等,但仅仅依靠单一属性很难准确地预测地下裂缝分布情况。为此,提出一种基于非下采样剪切波变换(NSST)—参数自适应脉冲耦合神经网络(PA-PCNN)的属性融合裂缝预测方法,该方法基于NSST分解算法,将多种属性数据分解为高、低频子带,将融合后的多尺度、多方向高、低频子带进行数据重构,得到最终的多属性融合结果,可进一步提取裂缝的轮廓及细节信息。具体步骤为:①提取描述相同尺度裂缝的多种地震属性(相干、曲率及倾角等属性),通过NSST将多种属性分解为高、低频子带,其中高频子带包含更多的裂缝细节信息,低频子带可更好地刻画裂缝轮廓且具有丰富的能量信息。②对高频子带运用PA-PCNN模型进行融合,无需人工设置参数,得到更全面的高频数据;结合八邻域的改进拉普拉斯算子加权和与局部能量加权方法对低频子带进行融合,使低频数据更好地保留细节及能量信息,以得到丰富的低频数据。③通过逆NSST方法有效地完成属性融合裂缝预测。运用所提方法对M区属性数据进行测试,并对比了不同方法的属性融合裂缝预测结果,证明基于NSST—PAPCNN的属性融合裂缝预测方法能够更有效地预测裂缝。

关键词： 脉冲神经网络   车辆重识别   模糊情景   脉冲神经元   注意力机制   机器学习   人工智能   深度学习   神经网络  

摘要： 车辆重识别任务在模糊情景下存在难以顺利完成任务的情况。在模糊情景下,数据的质量会受到不同程度的影响。针对上述问题,本文提出了一种融合脉冲神经网络(SNN)的车辆重识别算法。脉冲神经网络具有功耗低的优势,且在处理非实值数据时性能优秀,适合应用于模糊情景。本算法通过设计脉冲神经网络模型,对特征图进行深度特征提取,通过残差计算实现身份映射,同时通过卷积注意力模块来优化网络。实验结果表明,算法在添加动态模糊的VeRi-776数据集上Rank-1与平均精度均值(mean average precision,mAP)指标表现优秀,能够有效地完成模糊环境下的车辆重识别任务。

关键词： 类脑智能   专利计量分析   主题聚类   脉冲神经网络   颠覆性技术识别  

摘要： 以德温特(Derwent)专利数据库为数据源,综合采用专利情报挖掘、大数据分析、可视化分析等方法对总体态势、研发主体、研发内容进行分析.首先,从时间、技术方向、地理分布角度展示类脑智能技术专利情况,分析类脑智能技术研发总体态势;然后,从专利布局、技术活动、研发质量角度,分析了类脑智能技术研发主要国家和主要机构,识别类脑智能技术优势力量;接着,从主题聚类、关键词突现、技术发展趋势角度,分析类脑智能技术研发热点,构建了颠覆性技术识别指标体系,预测了类脑智能技术领域的颠覆性技术;最后,对结果进行总结分析,为相关研究尤其是构建我国类脑智能技术发展体系和布局提供思路.

关键词： 活跃度   脉冲耦合神经网络   苹果腐烂区域检测  

摘要： 基于现有的机器视觉技术,针对水果的腐烂检测受到水果形状、大小、颜色影响而提取困难的问题,以苹果为研究对象,在机械自动化采摘时提出基于信息融合技术的苹果腐烂识别检测方法,检测苹果腐烂区域以便后续进行自动化处理。为了较好地分割苹果腐烂部分,提出一种基于活跃度的脉冲耦合神经网络图像分割算法,选择采用两个位置像素的联合概率密度定义的灰度共生矩阵,不仅描述了像素灰度信息,还描述了灰度空间分布信息,可以有效用来度量图像的复杂程度,较好地实现苹果腐烂分割。应用结果表明,采用改进的脉冲耦合神经网络图像分割算法较好地实现了苹果腐烂区域检测。

关键词： 深度学习   人工智能   自动学习   脑科学   物理机理   认知建模   认知科学   挑战与思考  

摘要： 从脑科学和认知科学到人工智能,我们能够从生物物理机理中得到什么启发?推动认知人工智能,不仅需要“感知”也需要“认知”。本文首先对人工智能与深度学习的发展脉络进行了梳理与反思,在此基础上浅谈认知建模、自动学习和渐近演化。

关键词： 突触   CMOS   STDP   脉冲神经网络  

摘要： 基于65 nm CMOS工艺设计了一种可用于脉冲神经网络系统的低功耗、高能效、结构紧凑的突触电路。突触电路采用开关电容电路结构,直接接收来自神经元电路的脉冲信号,根据脉冲时间依赖可塑性(STDP)学习规则调节突触权重,并实现了权重学习窗口的非对称性调节,使突触电路可以适应不同情况。仿真结果表明,突触电路耗能约为0.4 pJ/spike。

关键词： 智能机器人  

ISBN: (纸本)9787543984967

摘要： 本书是乔红老师在机器人领域的研究成果和对未来发展趋势的解析。全书分为八个章节，分别从类脑智能机器人的视觉模型及算法、类脑智能机器人的运动模型及算法、类脑智能机器人的情绪模型及算法、融合模型及算法、类脑智能芯片与应用、功能性仿生机器人平台、类脑智能机器人的应用等多方面介绍类脑智能机器人的发展现状及未来趋势。

关键词： 候选体诊断图压缩   深度网络压缩模型   跳白块编码   500米口径球面射电望远镜  

摘要： FAST脉冲星搜索产生的候选体诊断图量级呈指数级增长，给科学数据管理工作带来挑战,迫切需要研究压缩方法实现诊断图的有效存储和加快其在网络中传输共享。脉冲星诊断图像由稀疏的黑白图像、随机分布的灰度图和彩色图像组成，简单视为彩色图像用同一种压缩方法处理显然是不合理的。提出跳白块编码和深度网络压缩编码压缩模型对脉冲星候选体诊断图分区压缩。使用近年来FAST巡天搜索项目脉冲星候选体诊断图来训练和验证。结果表明，改进的WBS压缩稀疏黑白图像的性能是PNG 的5倍；深度网络压缩算法处理灰度图和彩色图PSNR性能优于JPEG和JPEG2000算法，与BPG算法性能相当，SSIM性能远超传统压缩算法。

关键词： 光纤光学   放大器   非线性薛定谔方程   深度学习  

摘要： 针对超短脉冲光纤放大器模型复杂,计算难度大等问题,提出了一种基于门控循环单元深度学习的脉冲演化预测方法。利用初始脉冲时域和频域信息,分别训练门控循环单元模型,成功地预测了掺铥光纤放大器中脉冲非线性压缩的过程,与数值计算和实验结果匹配。相比于求解非线性薛定谔方程和能级速率方程两个偏微分方程的方法具有更高的运算速度,有利于优化放大器参数,理解超短脉冲在增益光纤中的非线性动力学过程。

关键词： 认知电子战   辐射源识别   调制类型识别   脉冲神经网络   Tempotron神经元  

摘要： 面对日益复杂的电磁环境和层出不穷的新体制雷达,基于人工方式提取雷达辐射源特征难以满足现代认知电子战的需求。为提升雷达辐射源识别的智能化水平,提出一种新的基于脉冲神经网络(Spiking Neuron Network,SNN)进行雷达辐射源调制类型识别的算法。首先利用时频分析的方法,将5种常见雷达时域信号转换为二维灰度图,使用高斯调谐曲线编码器将输入数据转化为脉冲发放时刻,然后传入由Tempotron组成的脉冲神经网络进行识别。仿真实验结果表明脉冲神经网络具有优良的检测精度,功耗较低,验证了该方法的有效性。