-
公开(公告)号：CN114429491A
公开(公告)日：2022-05-03
申请号：CN202210357273.6
申请日：2022-04-07
Abstract: 本发明属于目标跟踪领域，具体涉及一种基于事件相机的脉冲神经网络目标跟踪方法和系统，该方法包括通过事件相机获取目标高动态场景中的异步事件数据流；将异步事件数据流划分为毫秒级时间分辨率的事件帧图像；以目标图像为模板图像，以完整图像作为搜索图像，训练基于脉冲神经网络的孪生网络，该网络包括特征提取器以及计互相关计算器，图像经过特征提取器提取特征映射后，再利用互相关计算器计算出特征映射的结果；使用训练好的网络，将特征映射的结果进行插值上采样，获得目标在原图中的位置，实现目标跟踪。本发明降低了图像数据的传输延迟与目标跟踪算法的计算延迟，提高了目标跟踪在高动态场景下的精度。
-
公开(公告)号：CN114429491B
公开(公告)日：2022-07-08
申请号：CN202210357273.6
申请日：2022-04-07
Abstract: 本发明属于目标跟踪领域，具体涉及一种基于事件相机的脉冲神经网络目标跟踪方法和系统，该方法包括通过事件相机获取目标高动态场景中的异步事件数据流；将异步事件数据流划分为毫秒级时间分辨率的事件帧图像；以目标图像为模板图像，以完整图像作为搜索图像，训练基于脉冲神经网络的孪生网络，该网络包括特征提取器以及计互相关计算器，图像经过特征提取器提取特征映射后，再利用互相关计算器计算出特征映射的结果；使用训练好的网络，将特征映射的结果进行插值上采样，获得目标在原图中的位置，实现目标跟踪。本发明降低了图像数据的传输延迟与目标跟踪算法的计算延迟，提高了目标跟踪在高动态场景下的精度。
-
公开(公告)号：CN116628198A
公开(公告)日：2023-08-22
申请号：CN202310515566.7
申请日：2023-05-08
Applicant: 之江实验室
IPC: G06F16/35 , G06F40/169 , G06F40/186
Abstract: 本说明书公开了一种文本生成模型的训练方法、装置、介质及电子设备，包括：先将从通用文本数据集中确定出的原始文本输入预先训练的类型识别模型，确定原始文本的模板标注。再根据模板标注，确定模板标注对应的目标模板。然后，根据原始文本、模板标注以及目标模板，生成训练文本生成模型的训练样本，将输入部分输入待训练的文本生成模型，得到输出文本，以样本标注与输出文本之间的差异最小为训练目标，对待训练的文本生成模型进行训练，增加了训练文本生成模型的训练样本，使得可以在训练样本较少的情况下，训练文本生成模型，使得文本生成模型训练效果好，提高文本生成模型的输出文本的准确性。
-
公开(公告)号：CN117792602A
公开(公告)日：2024-03-29
申请号：CN202311661640.2
申请日：2023-12-05
Applicant: 之江实验室
IPC: H04L9/00
Abstract: 本说明书公开了一种基于多方全同态加密的隐私数据处理方法，可以获取目标密文，而后，可以响应于预设指令，通过预设的密文随机向量生成方式生成随机向量以及随机向量对应的符号，随机向量与随机向量对应的符号均为密文形式，进而，可以对目标密文与随机向量执行同态乘法，得到第一结果，并对第一结果进行解密，得到第一结果的明文。最后，可以根据第一结果的明文对应的符号以及随机向量对应的符号，确定目标密文对应的符号，以通过目标密文对应的符号和目标密文进行隐私数据处理，从而提高了在隐私数据处理中sgn()函数的计算效率。
-
Patent Agency Ranking
公开(公告)号：CN113935475A
公开(公告)日：2022-01-14
申请号：CN202111538288.4
申请日：2021-12-16
Abstract: 本发明公开了具有脉冲时刻偏移量的脉冲神经网络的仿真与训练方法，包括以下步骤：离散化的逐时间步更新神经元状态量，预估时间步范围内的是否产生脉冲发放及其时刻偏移量，根据突触连接计算下时刻的脉冲输入，重复此过程完成网络仿真；根据仿真结果延神经元状态量、脉冲发放量和时刻偏移量反传梯度误差，进行网络参数更新。本发明减小了脉冲神经网络逐时间步仿真计算中的误差，在同等精度条件下提高了仿真效率。同时，在误差反传算法中通过脉冲发放量和时刻偏移量两个维度传递脉冲误差，提高了训练的效率。
-
公开(公告)号：CN114118383B
公开(公告)日：2025-02-28
申请号：CN202111497073.2
申请日：2021-12-09
IPC: G06N3/049 , G06N3/063 , G06N3/0442
Abstract: 本发明提出了一种基于多突触可塑性脉冲神经网络快速记忆编码方法，包括：步骤一：基于层级编码策略将外部刺激转换为输入脉冲序列；步骤二：脉冲神经网络收到输入脉冲后，基于改进的SRM模型更新输出层神经元的膜电位；步骤三：使用监督群体Tempotron更新输入到输出层间的突触权值，激活输出层神经元记忆输入；步骤四：输出层神经元激活后，使用无监督STDP更新层内激活神经元间的突触权值，形成增强的循环子网络存储记忆；步骤五：在执行步骤四的同时，使用无监督抑制突触可塑性，更新抑制层到输出层间的突触权值，抑制反馈保障记忆不同输入的神经群体发放时间上的分离。本发明还提出了一种基于多突触可塑性脉冲神经网络快速记忆编码装置。本发明有效地提升了记忆的编码速度与稳定性。
-
公开(公告)号：CN114638360A
公开(公告)日：2022-06-17
申请号：CN202210541154.6
申请日：2022-05-19
Abstract: 本发明公开了一种用于脉冲神经网络学习与仿真的计算平台及方法，计算平台包括脉冲神经网络的构建与学习的功能以及神经元动力学仿真模拟的功能，能够按时间驱动的神经元模拟与权重更新，可以按照所设定的时间步长对神经元的状态进行不断的迭代更新，并根据所设算法进行连接权重更新以实现网络的学习功能，还能够帮助用户快速实现网络构建，并对网络结果可视化，平台基于Python开发，可部署于支持Python的任何操作系统终端上，用户可以以Python语言进行后续使用与开发。
-
公开(公告)号：CN114118383A
公开(公告)日：2022-03-01
申请号：CN202111497073.2
申请日：2021-12-09
Abstract: 本发明提出了一种基于多突触可塑性脉冲神经网络快速记忆编码方法，包括：步骤一：基于层级编码策略将外部刺激转换为输入脉冲序列；步骤二：脉冲神经网络收到输入脉冲后，基于改进的SRM模型更新输出层神经元的膜电位；步骤三：使用监督群体Tempotron更新输入到输出层间的突触权值，激活输出层神经元记忆输入；步骤四：输出层神经元激活后，使用无监督STDP更新层内激活神经元间的突触权值，形成增强的循环子网络存储记忆；步骤五：在执行步骤四的同时，使用无监督抑制突触可塑性，更新抑制层到输出层间的突触权值，抑制反馈保障记忆不同输入的神经群体发放时间上的分离。本发明还提出了一种基于多突触可塑性脉冲神经网络快速记忆编码装置。本发明有效地提升了记忆的编码速度与稳定性。
-
公开(公告)号：CN114118378A
公开(公告)日：2022-03-01
申请号：CN202111456234.3
申请日：2021-12-02
Abstract: 本发明属于脉冲神经网络技术领域，涉及一种基于阈值自适应神经元的硬件友好STDP学习方法和系统，该方法包括以下步骤：S1：采用频率编码将输入图片编码成脉冲序列并输入脉冲神经网络SNN；S2：SNN的兴奋层神经元接收输入脉冲，累积膜电位，当膜电压达到阈值时，发放脉冲且膜电位复位；S3：SNN抑制层与兴奋层神经元一对一连接，接收其输出脉冲并抑制兴奋层神经元；S4：根据STDP学习规则并采用硬件友好权重归一化方法，对输入层和兴奋层间的兴奋性突触权重进行更新；S5：学习完成后，利用兴奋层神经元的脉冲输出序列进行图像识别。本发明能够在保证准确率和稳定性的同时，降低算法在硬件实现的资源消耗。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
