-
公开(公告)号：CN117973000A
公开(公告)日：2024-05-03
申请号：CN202410047603.0
申请日：2024-01-12
Applicant: 北京理工大学
IPC: G06F30/20
Abstract: 本发明公开的一种烟雾干扰下线阵激光引信点云精细化仿真预测方法，属于激光引信技术领域。本发明实现方法为：在分析烟雾时空分布的基础上，基于线阵激光引信探测模式，分别建立烟雾干扰仿真模型和线阵激光引信仿真系统，将线阵激光照射面积解算和干扰环境激光传输解算结合，获取回波波形，通过选取判别策略实现线阵激光引信精细化点云仿真预测。本发明相比于传统线阵激光引信距离像仿真方法，从干扰环境下线阵激光引信回波波形出发，考虑烟雾干扰造成的衰减，提升仿真精度；在此基础上，能够针对不同烟雾干扰时刻、不同风速、不同目标、不同交会状态进行多工况仿真预测，获取典型情况下的精细化目标点云，具有与实际应用环境相似度高的优点。
-
公开(公告)号：CN117911283A
公开(公告)日：2024-04-19
申请号：CN202311782791.3
申请日：2023-12-22
Applicant: 北京理工大学
Abstract: 一种基于脉冲神经网络信息存储模型的残缺图像样本修复方法，包括：残缺样本图像数据预处理、编码信息映射与解码、关键建模参数提取以及修复图像生成；本发明通过充分利用脉冲神经网络的生物可解释性、时序信息处理能力和高效计算特性，能有效地降低神经网络的计算量，提高合理性与可解释性，在残缺样本图像数据集上能够更加准确地识别出其语义，并且能够更好地进行建模从而完成残缺样本修复的任务。
-
公开(公告)号：CN115908896A
公开(公告)日：2023-04-04
申请号：CN202211337231.2
申请日：2022-10-28
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 基于带自注意力机制脉冲神经网络的图片识别系统，包括：编码模块、注意力模块、解码模块。编码模块由卷积编码层和位置编码构成，接收输入图片序列生成包含输入图片序列特征信息的脉冲序列。注意力模块由多层自注意力块组成，接收脉冲序列序列，分别经过时间和空间自注意力操作的处理，输出时空特征更丰富的脉冲序列。解码模块接收脉冲序列，通过序列池化压缩提取到最终的特征向量并送入分类头，得到图片识别结果。本发明构建了一种新型的基于脉冲神经网络用于图片识别的架构，并在图片识别任务上达到了在脉冲神经网络中截至目前业界最先进的效果。
-
公开(公告)号：CN113626997A
公开(公告)日：2021-11-09
申请号：CN202110838121.3
申请日：2021-07-23
Applicant: 北京理工大学
IPC: G06F30/20
Abstract: 本发明公开了一种扬尘环境下脉冲激光传输特性仿真方法，属于数值仿真技术领域。仿真方法的实现步骤包括：建立坐标系、扬尘质量浓度区间划分、计算出激光在不同质量浓度区间内对应的激光衰减系数、设置扬尘环境参数、脉冲激光发射系统参数、后向散射回波接收系统参数和透射接收系统参数、初始化发射光子并计算光子散射自由程、散射自由程修正、计算光子散射后的位置和能量；对光子在坐标系中的位置进行判别、统计透射接收系统和后向散射回波接收系统接收到的光子信息，最后整形为脉冲信号。本发明能够有效的对脉冲激光引信在复杂战场扬尘环境中的探测特性进行仿真，为提高脉冲激光引信探测性能提供理论基础。
-
公开(公告)号：CN111185010B
公开(公告)日：2021-08-03
申请号：CN201911352866.8
申请日：2019-12-25
Applicant: 北京理工大学
IPC: A63F13/67 , A63F13/822 , G06N3/04
Abstract: 一种用脉冲神经网络构建斗地主出牌程序的系统，包括：牌型感知模块、出牌决策模块和出牌模块。其中牌型感知模块由两组独立的神经元构成，分别接收上家打出的扑克牌编码组合以判断自家能打出的扑克牌牌型及大小、感知自家持有的扑克牌以统计可能的出牌方法。出牌决策模块由三组互相独立的神经元构成，每一组对应牌局中不同场景：主动出牌、被动出牌且上家为友、被动出牌且上家为敌。出牌决策模块根据牌型感知模块传递的脉冲信号得出自家可能的出牌组合，将最佳出牌方法用脉冲信号传递给下一层的出牌模块，由出牌模块完成出牌。本发明将脉冲神经网络应用于斗地主牌类游戏，能够实现在保证迅速反应能力的前提下，整体运算量还相对较低。
-
Patent Agency Ranking
公开(公告)号：CN112288078A
公开(公告)日：2021-01-29
申请号：CN202011246987.7
申请日：2020-11-10
Applicant: 北京理工大学
Abstract: 一种基于脉冲神经网络的自学习、小样本学习和迁移学习的方法，构建记忆网络、认知网络和知识归纳与迁移网络三个模块，通过模块之间协同合作实现自学习、小样本学习和迁移学习。小样本输入数据经过认知网络模块处理之后由记忆网络模块实现记忆生成，随后知识归纳与迁移网络模块发起记忆提取请求，记忆网络模块收到记忆提取请求后，提取记忆、重组并回放到认知网络模块；认知网络模块完成自学习过程，并通过不断持续该过程最终实现小样本学习，知识归纳与迁移网络模块不断更新当前任务所需知识，实现迁移学习。本发明实现了自学习、小样本学习和迁移学习，突破了神经网络学习需要大量标注样本、鲁棒性和适应性差、可解释性不足、能效比低等局限。
-
公开(公告)号：CN108304912B
公开(公告)日：2020-12-29
申请号：CN201711477703.3
申请日：2017-12-29
Applicant: 北京理工大学
Abstract: 一种运用抑制信号实现脉冲神经网络监督学习的系统，包括：编码模块，将输入根据ROC编码规则转换成脉冲序列；分类模块，是一个两层的全连接脉冲神经网络，完成对脉冲信号的学习与分类；解码模块，将分类模块输出的脉冲序列转换成分类标签。本发明还提供了相应的方法，本发明在脉冲神经网络中，基于突触可塑性的性质，引入抑制信号来实现脉冲神经网络的学习过程。与现有技术相比，本发明在分类问题上有高的准确率和较低的运算量。
-
公开(公告)号：CN111185010A
公开(公告)日：2020-05-22
申请号：CN201911352866.8
申请日：2019-12-25
Applicant: 北京理工大学
IPC: A63F13/67 , A63F13/822 , G06N3/04
Abstract: 一种用脉冲神经网络构建斗地主出牌程序的系统，包括：牌型感知模块、出牌决策模块和出牌模块。其中牌型感知模块由两组独立的神经元构成，分别接收上家打出的扑克牌编码组合以判断自家能打出的扑克牌牌型及大小、感知自家持有的扑克牌以统计可能的出牌方法。出牌决策模块由三组互相独立的神经元构成，每一组对应牌局中不同场景：主动出牌、被动出牌且上家为友、被动出牌且上家为敌。出牌决策模块根据牌型感知模块传递的脉冲信号得出自家可能的出牌组合，将最佳出牌方法用脉冲信号传递给下一层的出牌模块，由出牌模块完成出牌。本发明将脉冲神经网络应用于斗地主牌类游戏，能够实现在保证迅速反应能力的前提下，整体运算量还相对较低。
-
公开(公告)号：CN108446757A
公开(公告)日：2018-08-24
申请号：CN201711477723.0
申请日：2017-12-29
Applicant: 北京理工大学
CPC classification number: G06N3/049 , G06T7/0002 , G06T2207/10016 , G06T2207/20084
Abstract: 一种基于脉冲神经网络的多级延时级联的速度识别系统，包括由用来传递脉冲信息的神经突触连接的拓扑网络运动物体感知模块和多级神经元延时级联模块，拓扑网络运动物体感知模块将预处理好的图像信息转化为脉冲信息，多级神经元延时级联模块根据脉冲信息同步确定运动物体的间隔时间和位置差异，从而识别出运动物体速度。本发明还提供了一种基于脉冲神经网络的多级延时级联的速度识别方法，本发明可简化运动物体速度识别流程，提高处理速度和结果精度。
-
公开(公告)号：CN119337038A
公开(公告)日：2025-01-21
申请号：CN202411454196.1
申请日：2024-10-17
Applicant: 北京理工大学
IPC: G06F17/15 , G06F17/16 , G06F1/3203
Abstract: 一种针对事件流数据的低功耗卷积计算系统，利用事件流稀释性，该系统将事件流数据的卷积处理转换为局部计算，避免冗余的计算，降低能耗。该系统包含映射计算模块、散射相加模块和结果重构模块，映射计算模块根据卷积核偏置对输入的事件流数据进行处理，得到输入坐标和输出坐标的映射表；散射相加模块输入映射表，从存储设备中提取对应的权重数据相加到输出矩阵对应位置；结果重构模块将输出矩阵重构为合适的输出张量，然后存储。在该系统中计算只发生在事件发生的地方，避免了冗余的计算，同时利用事件流数据的稀疏性，减少了非必要的存储访问开销，极大地降低了功耗。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.032 seconds)
