公开(公告)号：CN117217093A

公开(公告)日：2023-12-12

申请号：CN202311259431.5

申请日：2023-09-27

Applicant: 上海交通大学

Inventor： 谢李生 ,  薛建伟 ,  吴良顺 ,  陈发全 ,  田清扬 ,  周轶凡 ,  应忍冬 ,  刘佩林

IPC: G06F30/27 ,  G06N3/065

Abstract: 本发明公开了一种用于多核神经形态硬件上SNN的通用仿真器设计方法，可以支持不同规模SNN的快速仿真，包括步骤一：训练针对具体任务的SNN模型，获取包含连接结构和连接权重的模型文件；步骤二：使用模型信息提取模块从训练得到的SNN模型中提取神经元之间的连接结构和连接权重；步骤三：使用神经元分块模块将SNN神经元分配到神经元块中，每个神经元块可以由多核神经形态硬件的一个核心来执行；步骤四：使用神经元映射模块将划分后的神经元块映射到具体的物理核心上；步骤五：配置仿真后端并仿真，仿真后端加载仿真前端编译产生的模型、分块和映射信息，配置仿真器后执行仿真，仿真完成后导出模型以及NoC相关的统计信息。

公开(公告)号：CN117035026A

公开(公告)日：2023-11-10

申请号：CN202310872072.4

申请日：2023-07-17

Applicant: 上海交通大学

Inventor： 薛建伟 ,  谢李生 ,  陈发全 ,  田清扬 ,  周轶凡 ,  吴良顺 ,  应忍冬 ,  刘佩林

IPC: G06N3/049 ,  G06N3/08

Abstract: 本发明涉及计算科学和神经网络技术领域，尤其涉及一种用于边缘设备的SNN映射方法及系统，包括，构建SNN模型并进行训练，获得训练后的SNN；提取训练后的SNN中的神经元的连接信息进行分析，确定当前神经元之间的连接方式和权重分布后转化为SNN拓扑连接图；使用流式图分割算法将SNN拓扑连接图划分为大小不同的神经元簇；确定在SNN的映射过程中需要优化的多目标，建立对应的多目标函数来计算多目标对应的值，使用多目标优化算法对映射过程进行迭代优化，将神经元簇映射到边缘设备的所述计算资源上；本发明通过高效的网络划分、多目标优化等特点，能够得到高效且可行的SNN映射方案，提升在边缘计算环境中的性能和适应性，具有重要的应用价值和商业潜力。

公开(公告)号：CN112464886A

公开(公告)日：2021-03-09

申请号：CN202011465723.0

申请日：2020-12-14

Applicant: 上海交通大学

Inventor： 钱久超 ,  薛建伟 ,  潘敏婷 ,  朱肖光 ,  刘佩林

IPC: G06K9/00 ,  G06K9/32 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种飞行器识别追踪方法包括：利用YOLOv3对包含飞行器的视频数据检测识别，如果判断为飞行器，则记录所述飞行器的边界框信息和中心点信息；构建所述飞行器的飞行状态向量，所述飞行状态向量包括所述中心点信息和所述边界框信息；将所述飞行状态向量通过卡尔曼滤波器对所述飞行器的运动轨迹进行预测；对所述飞行器的所述运动轨迹预测进行校正。本发明通过特定的图像帧的检测的位置信息与卡尔曼滤波器预测得到的信息进行对比，以在数据帧中确立出一个特定的范围，提高追踪的速度。此外，当预测与检测的关键中发现边框信息差别比较大，可以及时进行调整，是一种带有反馈机制的作用于飞行器的识别和跟踪的方法。

公开(公告)号：CN117035029A

公开(公告)日：2023-11-10

申请号：CN202310876295.8

申请日：2023-07-17

Applicant: 上海交通大学

Inventor： 薛建伟 ,  谢李生 ,  陈发全 ,  田清扬 ,  周轶凡 ,  吴良顺 ,  应忍冬 ,  刘佩林

IPC: G06N3/063 ,  G06N3/044 ,  G06N3/049 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及类脑计算和深度学习领域，特别涉及一种用于人工智能硬件的神经核心计算系统，包括输入FIFO模块，通过输入端口获取待处理的输入数据；片内索引模块，根据所述输入模块的所述输入数据在所述核心处理模块进行处理时确定正确的存储地址映射；核心处理模块，根据神经网络的类型执行对应的神经元运算或状态更新，所述算数逻辑运算单元获取所述输入FIFO模块中的最高比特信息；所述控制单元根据所述最高比特信息判断所述计算处理单元的计算模式，所述计算处理单元处理后将结果输送到输出FIFO模块，本发明的可配置性和灵活性使其能够适应脉冲神经网络和深度神经网络的计算，具有广泛的适用性，并在人工智能硬件中发挥重要作用。

公开(公告)号：CN116663406A

公开(公告)日：2023-08-29

申请号：CN202310610325.0

申请日：2023-05-26

Applicant: 上海交通大学

Inventor： 吴良顺 ,  谢李生 ,  薛建伟 ,  陈发全 ,  田清扬 ,  周轶凡 ,  应忍冬 ,  刘佩林

IPC: G06F30/27 ,  G06F17/11 ,  G06N3/04 ,  G06N3/084 ,  G06F111/04

Abstract: 本发明提供了一种深度学习编译器脉冲神经网络算子处理方法及系统，包括：步骤S1：将脉冲神经网络算子部署到低功耗机器人硬件众核处理器上，进行算子转换，将脉冲神经网络算子拆分为基础算子和自定义算子，适配深度学习编译器；步骤S2：进行脉冲神经网络算子合并、算子拆分和算子映射，实现脉冲神经网络算子在低功耗机器人硬件众核处理器上的部署和执行。发明与深度学习编译器的兼容性较好，本发明以深度学习编译器中常用的ONNX(Open Neural Network Exchange)格式表示SNN(spike Neural Network)神经元操作符，这种兼容性使脉冲神经网络算子能够集成到主流的深度学习编译器中。