-
公开(公告)号：CN111008700A
公开(公告)日：2020-04-14
申请号：CN201911196681.2
申请日：2019-11-29
Applicant: 北京理工大学
IPC: G06N3/08
Abstract: 一种基于三联体编码的神经网络进化方法，步骤1，初始化一个指定规模的种群，种群中每一个个体都是一个由三联体构成的DNA序列；步骤2，将每一个DNA解码成神经网络并进行适应度计算，如果该种群内存在可解决目标问题的个体，则根据适应度解码最优个体的DNA获得目标网络，并结束进化，否则进入下一步；步骤3，先将个体按照适应度值排序，优先复制最佳个体到新种群，然后在旧种群里通过轮盘赌算法选择两个个体进行重组交叉变异操作，得到的新个体放入新种群，该操作一直重复到种群规模达到指定数量，然后返回步骤2。本发明还提供了一种基于三联体编码的神经网络进化系统，解决了现有进化算法在网络生成效率、网络交叉、重组等方面存在的技术缺陷。
-
公开(公告)号：CN110705704A
公开(公告)日：2020-01-17
申请号：CN201910912280.6
申请日：2019-09-25
Applicant: 北京理工大学
IPC: G06N3/08
Abstract: 一种基于相关性分析的神经网络自组织遗传进化算法，构建初始神经网络，初始神经网络只包含输入层和输出层；采用BP算法训练网络，并记录训练日志数据；获取连接相关性，优化神经网络；复杂化神经网络；融合遗传进化算法迭代神经网络，输出最优神经网络模型。本发明输出最优模型的迭代次数优于NEAT输出最优模型的迭代次数，输出最优的神经网络模型之前所进行的BP调节次数少于普通的BP神经网络所需要的调节次数，通过使用不同数据集进行相关实验对算法性能(准确率)进行验证，实验结果表明算法在分类问题方面的表现相对优秀，可以应用于现在人工智能领域分类问题的研究。
-
公开(公告)号：CN108304913A
公开(公告)日：2018-07-20
申请号：CN201711488549.X
申请日：2017-12-30
Applicant: 北京理工大学
Abstract: 一种利用脉冲神经元阵列来实现卷积功能的方法，步骤如下：输入图片，并对图片进行预处理；根据实际情况设计卷积核；利用设计的卷积核，在图像上做卷积。本发明根据脉冲神经网络特征来设计具有卷积功能的结构，由脉冲神经元组成的脉冲阵列来实现卷积功能。与现有的根据传统神经网络设计的卷积核来实现卷积相比，基于脉冲神经网络的卷积会更接近地模拟生物神经元，计算功耗也会大大降低。
-
公开(公告)号：CN105005057B
公开(公告)日：2017-02-22
申请号：CN201510467849.4
申请日：2015-08-03
Applicant: 北京理工大学
IPC: G01S19/30
Abstract: 本发明公开了一种北斗导航系统D1导航电文的捕获方法。使用本发明能够适应各种比特跳变情况，增加了相干积分增益，并消除了相关峰分裂导致的载波频率错误估计，可以有效、可靠地捕获北斗导航系统D1导航电文。本发明首先将接收的包含干扰的D1导航电文的信号序列与本地载波复序列相乘进行混频，实现载波多普勒频偏剥离；然后，将本地复现码按照两种方式同时进行拓展，获得本地复现码A和本地复现码B，并将两个本地复现码与混频结果分别进行相关运算，对两路相关运算的结果进行判决，获得载波多普勒频偏估计值 和测距码相位延迟估计值，对D1导航电文进行捕获。
-
公开(公告)号：CN105659843B
公开(公告)日：2014-09-10
申请号：CN201218000688.5
申请日：2012-04-06
Applicant: 北京理工大学
IPC: G01P15/08
Abstract: 本发明属于飞行器控制领域，具体涉及一种用于旋转飞行器测量旋转角度的测量装置。本发明公开了一种重摆加速度旋转测量装置，其包括：壳体，转子(11)，传感器(2)，感应装置(3)，加速度传感器(5)，数据处理控制器(8)，导电滑环(10)；转子(11)相对壳体运动，其重摆上的感应装置(3)每经过传感器(2)产生一次信号，传递到数据处理控制器(8)计算出弹体的转速；转子(11)相对于地面静止，其内部装有加速度传感器(5)，测得弹体的姿态速度和加速度，并经导电滑环(10)传递给数据处理控制器(8)。本发明能提高转速、速度和加速度测量精度，满足对导弹控制的要求。
-
Patent Agency Ranking
公开(公告)号：CN119227759A
公开(公告)日：2024-12-31
申请号：CN202411286581.X
申请日：2024-09-13
Applicant: 北京理工大学
IPC: G06N3/063 , G06N3/0464
Abstract: 本发明属于神经网络加速设计技术领域，提出了一种三维循环展开的通用神经网络计算单元。所述计算单元包括中控模块、一级缓冲区、一级缓冲区控制器、零级缓冲区、零级缓冲区控制器和核心计算单元；一级缓冲区，包括输入数据一级缓冲区、权重数据一级缓冲区、量化权重数据缓冲区、部分和数据缓冲区和输出数据缓冲区；零级缓冲区，包括输入零级数据缓冲区和权重数据零级缓冲区；零级缓冲区控制器，包括输入及权重数据零级读写控制模块；一级缓冲区读写控制器的输入及权重数据一级读写控制模块经过输入及权重数据零级缓冲区分别与输入及权重数据零级读写控制模块相连再连入核心计算单元。所述计算单元同时在三循环维度上做并行计算，提高了计算速度。
-
公开(公告)号：CN115063597B
公开(公告)日：2024-07-26
申请号：CN202210809485.3
申请日：2022-07-11
Applicant: 北京理工大学
Abstract: 一种基于类脑学习的图像识别方法，对原始图片数据进行预处理得到输入向量；建立脉冲神经网络模型进行学习，模型包括输入层、类脑学习算子和输出层；先对所述输入向量进行脉冲时序编码得到脉冲神经网络的输入数据，再将所述输入数据输入到脉冲神经网络的输入层，然后通过类脑学习算子学习输入向量的特征，最后将脉冲神经网络的输出层最先激发的脉冲神经元作为网络识别的类别，经过多次训练学习后，得到最后的识别网络；将待识别的原始图片数据进行预处理，用识别网络进行图片识别。本发明在脉冲神经网络中使用类脑学习算子，优化了脉冲神经网络计算能耗高，可解释性差的缺陷，符合对类脑网络的预期。
-
公开(公告)号：CN117787354A
公开(公告)日：2024-03-29
申请号：CN202311616647.2
申请日：2023-11-30
Applicant: 北京理工大学
IPC: G06N3/049 , G06F18/10 , G06F18/214 , G06F18/24
Abstract: 一种基于脉冲神经网络的事件流数据分类方法，包括事件流数据预处理、依据输入的脉冲信号在记忆生成模块生成对应的神经元激发状态、提取对应类别的神经元团和解读对应模式的神经元团四个步骤，脉冲神经元模型使用LIF神经元模型，提出针对处理事件流数据有效的网络结构。本方法有效结合了事件流数据和脉冲神经网络的强生物可解释性，可以更高效地利用事件流数据进行分类识别，可以有效提升训练效率，达到较好的识别准确率。
-
公开(公告)号：CN116977821A
公开(公告)日：2023-10-31
申请号：CN202310921275.8
申请日：2023-07-25
Applicant: 北京理工大学
IPC: G06V10/82 , G06V10/764 , G06N3/049 , G06N3/0455 , G06N3/082 , G06N3/09
Abstract: 一种基于类脑学习算法的图片识别方法，使用结合频率诱导的类脑学习算法训练图片编码器，然后使用训练好的图片编码器将图片转化成脉冲序列，再使用类脑监督学习算法训练识别层，识别层输出为识别结果。训练过程分为三步，第一步建立输入层，对输入图片进行初步处理，并转换成初始脉冲序列；第二步建立基于具有频率诱导的启发式机制的脉冲神经元的图片编码器，使用结合基于赫布规则的类脑算法进行训练；第三步建立图片识别器，使用基于非对称STDP的类脑监督学习算法进行训练。训练结束后，在应用过程输入需要识别的图片，识别层的输出即为识别结果。
-
公开(公告)号：CN114372348B
公开(公告)日：2022-11-15
申请号：CN202111522850.4
申请日：2021-12-13
Applicant: 北京理工大学
IPC: G06F30/20
Abstract: 本发明公开的一种弹载线阵激光成像引信快速仿真方法，属于激光引信技术领域。本发明通过建立线阵激光成像引信发射模型，使用射线模拟激光成像引信的发射过程和接收过程，实现弹载线阵激光成像引信快速成像仿真。本发明针对不同线数、不同角分辨率的激光成像引信进行不同起始位置、飞行速度、攻击角、脱靶量、交会角度、脱靶方位、导弹滚转角、偏航角、俯仰角等交会姿态下的快速仿真，高效生成多种交会姿态下的弹载线阵激光成像引信点云数据集，具有实际生成效果相似度高、生成速度快的优点。本发明占用资源低、获取信息更直观、仿真效率高，生成的弹载线阵激光成像引信仿真点云数据集，能够适用于高速弹载激光成像引信局部稀疏点云目标识别。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.027 seconds)
