基于忆阻器阵列的神经网络的训练方法和装置

    公开(公告)号:CN112101549A

    公开(公告)日:2020-12-18

    申请号:CN202011000848.6

    申请日:2020-09-22

    Applicant: 清华大学

    Abstract: 一种基于忆阻器阵列的神经网络的训练方法及训练装置。该神经网络包括逐一连接的多层神经元层以及在多层神经元层之间的权重参数矩阵,该方法包括:获取神经网络的权重参数矩阵中元素的更新值;判断神经网络当前所处的训练阶段,训练阶段包括在时间上依次排列的第一训练阶段和第二训练阶段;基于神经网络当前所处的训练阶段和更新值,确定向忆阻器阵列中的忆阻器施加脉冲的脉冲信息;以及基于脉冲信息,调节忆阻器阵列中各个忆阻器的电导值,以更新神经网络的权重参数矩阵中元素的值;第一训练阶段中确定的脉冲信息与第二训练阶段中确定的脉冲信息不同。该训练方法能够保证较高的训练精度和提高训练速度,并且用于实现该训练方法的硬件电路简单。

    基于忆阻器阵列的神经网络的训练方法和装置

    公开(公告)号:CN112101549B

    公开(公告)日:2024-05-10

    申请号:CN202011000848.6

    申请日:2020-09-22

    Applicant: 清华大学

    Abstract: 一种基于忆阻器阵列的神经网络的训练方法及训练装置。该神经网络包括逐一连接的多层神经元层以及在多层神经元层之间的权重参数矩阵,该方法包括:获取神经网络的权重参数矩阵中元素的更新值;判断神经网络当前所处的训练阶段,训练阶段包括在时间上依次排列的第一训练阶段和第二训练阶段;基于神经网络当前所处的训练阶段和更新值,确定向忆阻器阵列中的忆阻器施加脉冲的脉冲信息;以及基于脉冲信息,调节忆阻器阵列中各个忆阻器的电导值,以更新神经网络的权重参数矩阵中元素的值;第一训练阶段中确定的脉冲信息与第二训练阶段中确定的脉冲信息不同。该训练方法能够保证较高的训练精度和提高训练速度,并且用于实现该训练方法的硬件电路简单。

    基于忆阻器阵列的全权重映射方法及装置

    公开(公告)号:CN115099396A

    公开(公告)日:2022-09-23

    申请号:CN202210503450.7

    申请日:2022-05-09

    Applicant: 清华大学

    Abstract: 本申请公开了一种基于忆阻器阵列的全权重映射方法及装置,其中,方法包括:将目标权重矩阵的所有参数同时添加预设参数,生成偏移后的权重矩阵;将偏移后的权重矩阵以电导形式存储至忆阻器阵列中,并利用忆阻器阵列获取偏移后的权重矩阵和输入信息的乘积结果;以及基于乘积结果,每一行分别减去预设常数,得到目标权重矩阵和输入信息的乘积结果。由此,解决了相关技术中由于使用差分映射方案,不但硬件电路的开销较大,而且对于分布区间不对称的权重矩阵,无法有效利用器件的阻变范围,不但存在电导态浪费、硬件效率低的问题,而且无法有效满足权重映射需求,并且灵活性和高效性较低的问题。

    数据处理装置及数据处理方法

    公开(公告)号:CN113592081A

    公开(公告)日:2021-11-02

    申请号:CN202110918726.3

    申请日:2021-08-11

    Applicant: 清华大学

    Abstract: 一种数据处理装置及数据处理方法。该数据处理装置用于神经网络的数据处理,神经网络包括至少一个第一处理层和至少一个第二处理层,数据处理装置包括:第一忆阻器阵列,包括阵列排布的多个第一忆阻器单元,且被配置为存储对应于至少一个第一处理层的权重值矩阵;第二忆阻器阵列,包括阵列排布的多个第二忆阻器单元,且被配置为存储对应于至少一个第二处理层的权重值矩阵;其中,多个第一忆阻器单元的数据保持性优于多个第二忆阻器单元的数据保持性,和/或多个第二忆阻器单元的耐久性优于多个第一忆阻器单元的耐久性。该数据处理装置采用两种具有不同的耐久性及数据保持性的忆阻器单元,便于对忆阻器单元有不同需求的神经网络权重层的灵活实现。

    基于场景理解的施工现场工人不安全行为识别方法

    公开(公告)号:CN111445524A

    公开(公告)日:2020-07-24

    申请号:CN202010244878.5

    申请日:2020-03-31

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于场景理解的施工现场工人不安全行为识别方法,包括以下步骤:采集实体的二维彩色图像和三维点云数据;对二维彩色图像进行标注,得到标注文件,其中,标注文件包括训练集、验证集和测试集;将训练集输入Mask R-CNN中进行训练,获得多个候选实体识别模型,利用验证集比选候选实体识别模型的平均精度均值,得到最优实体识别模型;根据最优实体识别模型获取工人关节点三维空间坐标、实体上的关键点三维空间坐标,通过实体间距离计算和方位关系判别实现不安全行为的识别,从而构建基于场景理解的施工现场工人不安全行为识别方法。该方法可以有效识别靠近危险源、PPE使用不当等不安全行为,并为动作识别提供环境信息。

    图像处理方法、装置、设备、存储介质及程序产品

    公开(公告)号:CN114972433A

    公开(公告)日:2022-08-30

    申请号:CN202210613568.5

    申请日:2022-05-31

    Applicant: 清华大学

    Abstract: 本发明涉及图像处理技术领域,尤其涉及一种图像处理方法、装置、设备、存储介质及程序产品。方法包括:获取连续的至少两帧点云图像,其中,点云图像是以点云数据形式存储的图像,每一帧点云图像分别包含至少一个动态障碍物;从每一帧点云图像中,提取每一个动态障碍物分别对应的至少一种特征的特征值;基于特征值,构建动态障碍物的组合特征矩阵;对组合特征矩阵中的特征值进行聚类,根据聚类结果获取每一个动态障碍物分别在每一帧点云图像中对应的位置信息。本发明用以解决现有技术中对复杂场景中的动态障碍物进行位置跟踪时可靠性较差的缺陷,实现高可靠性的位置跟踪。

    基于BIM定位技术的施工危险环境实时预警平台与方法

    公开(公告)号:CN111145479B

    公开(公告)日:2021-02-26

    申请号:CN201911421745.4

    申请日:2019-12-31

    Abstract: 本发明公开了一种基于BIM定位技术的建筑工人危险环境实时识别预警平台和方法,包括信息收集模块、输入模块、运算模块和输出模块,其中:信息收集模块用于实时收集施工现场的相关项目数据信息;输入模块与信息收集模块通信连接,用于读取目标定位数据信息,并对目标定位数据信息进行初步处理,以获得施工现场的工作人员和机械设备的坐标位置以及不安全因素的坐标位置;运算模块与输入模块通信连接,基于工作人员和机械设备的坐标位置以及不安全因素的坐标位置,进行进一步分析、处理和基于安全计算规则的计算,以获得施工现场的工作人员是否处于不安全区域的判定;输出模块与运算模块通信连接,用于在判定工作人员处于不安全区域时,输出预警信号。

Patent Agency Ranking