-
公开(公告)号:CN112699956B
公开(公告)日:2023-09-22
申请号:CN202110025987.2
申请日:2021-01-08
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/82 , G06N3/049 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于改进脉冲神经网络的神经形态视觉目标分类方法。所述方法包括:S1:获取神经形态视觉目标分类数据集;S2:脉冲事件流序列化聚合:将数据集中的时空脉冲事件流数据,按照设定的时间分辨率dt聚合成新的事件帧序列数据;S3:构建改进脉冲神经网络模型:改进泄露‑积累‑发射(Leaky Integrity and Fire,LIF)脉冲神经元在时间维度上的突触连接方式,基于改进LIF神经元层搭建改进脉冲神经网络;S4:对于脉冲事件流序列化聚合后的数据集,从序列中随机抽取样本作为输入,训练和测试所构建的改进脉冲神经网络;S5:保存训练好的改进脉冲神经网络结构和网络参数。本发明能够有效的提升神经形态视觉的目标识别与分类中的网络分类准确率问题。
-
公开(公告)号:CN112116532A
公开(公告)日:2020-12-22
申请号:CN202010774427.2
申请日:2020-08-04
Applicant: 西安交通大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于张量块循环展开的彩色图像补全方法,属于图像处理技术领域。首先输入待补全图像并对缺失像素进行n近邻初始化,得到目标图像;然后初始化模型参数,估计目标图像的块循环展开秩并设置权重系数。接着将目标图像以张量形式输入图像补全模型,并采用交替方向乘子法通过迭代对模型进行凸优化求解,其中图像补全模型为基于张量块循环展开的低秩矩阵因式分解模型。最后,对迭代得到的张量进行数据格式转换,使之以待补全图像的格式输出。本方法在进行张量块循环展开时增加了图像切片之间的联系性,从而在一定程度上降低了展开操作所造成的图像结构信息的损失;补全图像的峰值信噪比有了显著提高,且纹理和细节信息更加丰富。
-
公开(公告)号:CN108183944B
公开(公告)日:2020-03-17
申请号:CN201711411713.7
申请日:2017-12-23
Applicant: 西安交通大学
Abstract: 一种基于ISA100.11a标准的无线设备设计方法,包括:步骤1,定义现场模块和路由模块;步骤2,定义无线设备分别作为现场设备和路由设备时的结构变化规则;步骤3,无线设备入网;步骤4,当系统管理器要求无线设备从现场设备转换为路由设备时,断开设备管理器对协议控制层管理访问点的连接,启动备用设备管理器负责管理无线设备与系统管理器之间的通信,令现场模块进入休眠或断电状态;步骤5,当系统管理器要求无线设备从路由设备转换为现场设备时,协议控制层停止备用设备管理器的运行,启动用于应用层设备管理器访问的协议控制层管理访问点。本发明无线设备能够灵活地在现场设备和路由设备之间转换,能够节省大量的网络使用成本。
-
公开(公告)号:CN112712170B
公开(公告)日:2023-06-20
申请号:CN202110025992.3
申请日:2021-01-08
Applicant: 西安交通大学
IPC: G06N3/049 , G06N3/084 , G06F18/241
Abstract: 本发明公开了一种基于输入加权脉冲神经网络的神经形态视觉目标分类系统,属于人工神经网络技术领域,该分类系统由如下四个方法模块构成:数据预处理模块、网络构建模块、学习模块和推理模块。数据预处理模块用于将获取的事件相机异步输出时空脉冲事件流转换为事件帧序列;网络构建模块用于将输入加权单元和脉冲神经层单元按照一定的网络连接方式搭建成输入加权脉冲神经网络;学习模块用于根据预处理模块得到的事件帧序列,对网络构建模块得到的输入加权脉冲神经网络进行学习,并生成模型文件;推理模块用于加载学习模块输出的网络模型文件进行前馈网络计算。本发明能够使得神经形态视觉分类脉冲神经网络在具备低时延的同时,保持较高性能。
-
公开(公告)号:CN110620686B
公开(公告)日:2020-11-10
申请号:CN201910838352.7
申请日:2019-09-05
Applicant: 西安交通大学
IPC: H04L12/24 , H04L12/721 , H04L12/751
Abstract: 本发明一种基于复杂通信网络的路由节点选取方法,包括:对于任意的有向拓扑结构的复杂通信网络,利用最大匹配算法获取使得整个网络可控的最少数量的Nl个控制源并定位其位置;根据网络中每个节点的动态特性,建立整个网络的动力学方程;选取M个路由节点作为外部控制源控制整个网络,得到整个网络的控制成本模型;简化所述控制成本模型,并确定约束条件;利用贪婪算法逐步选取路由节点,直至完成M个路由节点的选取;利用交换算法,将某一个路由节点与某一个非路由节点进行交换,根据新路由节点组合对整个网络控制成本的影响,来进一步优化M个路由节点的选取。本发明能够在复杂通信网络中选取不同数量的路由节点,使得整个通信网络控制成本最小。
-
公开(公告)号:CN110648290A
公开(公告)日:2020-01-03
申请号:CN201910843615.3
申请日:2019-09-06
Applicant: 西安交通大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于SURE参数优化的双核非局部均值图像去噪方法,属于图像处理领域。该方法利用图像的自相似性,对以待处理像素点为中心的图像块与搜索窗内的相似块进行相似性度量,引入双核权重函数计算滤波权重,并利用SURE优化双核非局部均值算法的滤波参数,提高了图像的峰值信噪比,同时保留了图像的纹理信息。本发明提出一种双核权重函数:相比于原方法,不仅能使邻域图像块在像素差值较小时赋予搜索窗内的相似块更大的权重,在像素差值较大时赋予更小的权重,而且能消除相似度较低或不相似图像块的权重,提升了图像边缘、细节重建的能力;同时,本发明引入斯坦无偏风险估计SURE理论,有效解决了在未知无噪声图像下去噪算法滤波参数的优化问题。
-
-
-
-
-