-
公开(公告)号：CN119523414A
公开(公告)日：2025-02-28
申请号：CN202411507881.6
申请日：2024-10-28
Applicant: 南京大学
Abstract: 本发明涉及癫痫预测技术领域，是一种基于可调节抑制发射的脉冲神经网络的癫痫预测系统，具体包括：数据预处理模块、脉冲神经网络模块、神经网络优化模块、发射模式判断模块和加速器模块；通过数据预处理模块得到可以供给神经网络训练和测试的数据集，然后通过脉冲神经网络模块、神经网络优化模块和发射模式判断模块对脉冲神经网络进行软件优化和硬件优化，最后通过加速器模块实现所述基于可调节抑制发射的脉冲神经网络的癫痫预测系统，本发明解决了现有技术中，脉冲神经网络的计算量庞大，功耗消耗也大导致计算速度慢且无法满足可穿戴设备需求的问题。
-
公开(公告)号：CN115440226A
公开(公告)日：2022-12-06
申请号：CN202211144916.5
申请日：2022-09-20
Applicant: 南京大学
Abstract: 本发明的基于脉冲神经网络的应用于语音关键字识别的低功耗系统包括：外部存储、上位机和脉冲神经网络硬件加速器，其中脉冲神经网络硬件加速器包括存储模块、控制器、调度器以及计算阵列；本发明提出了一种二维坐标存储结构存储脉冲神经元状态，一方面可以跳过神经元的无效状态，避免无效计算，基于脉冲神经网络的稀疏性，可以大幅降低计算量，另一方面可以降低检测有效状态的延时，有效提高资源利用率；提出了卷积直通池化，并行执行的方案，避免了传统设计中将中间卷积结果写回存储的环节，卷积结果存入FIFO后与下行结果直接两两池化，有效降低了存储访问次数，存储功耗也得以降低。设计了8路并行的计算架构，可以有效减少计算延时，补偿脉冲神经网络多步长的缺陷；经验证，本发明的语音关键词识别系统能够在保证较高准确率的前提下，同时具有功耗低、面积小的特点，适用于嵌入式、物联网等诸多应用领域，能够高效完成语音关键词识别任务。
-
公开(公告)号：CN114676831A
公开(公告)日：2022-06-28
申请号：CN202210317373.6
申请日：2022-03-29
Applicant: 南京大学
Abstract: 本发明公开了一种基于时间编码的低功耗脉冲神经网络片上学习系统，包括排序模块和计算模块，排序模块用于接收已进行时间编码的若干组输入数据，并将所述输入数据升序或降序排列；计算模块用于接收所述输入数据和预存储的与输入数据匹配的权重数据；基于预定规则将所述输入数据量化为预设常数，获得量化输入数据；基于权重数据判断神经元是否会激发，若激发，则采用所述量化输入数据和权重数据计算输出脉冲时间，并采用线性化规则更新权重数据。通过将输入数据量化降低硬件运算难度，采用优化的权重更新规则以便于硬件设计，减少运算量，具有功耗低、面积小速度快的优点；提升了脉冲经网络运算速度，且能够在硬件上实现片上学习。
-
公开(公告)号：CN114266351A
公开(公告)日：2022-04-01
申请号：CN202111537939.8
申请日：2021-12-15
Applicant: 南京大学
Abstract: 本发明提供了一种基于无监督学习时间编码的脉冲神经网络训练方法及系统。方法步骤如下：步骤1、根据与输入像素强度相关的特定编码方案生成脉冲序列，将输入图像编码为脉冲时间向量；步骤2、将输入图像编码的脉冲时间向量从小到大排序；步骤3、排序后的向量用于生成每个神经元的输出脉冲时间；步骤4、更新首脉冲神经元的突触权重；步骤5、每个神经元在训练完成后根据其对十类数字的最早反应分配一类，这些神经元用于在测试集上测量网络的分类精度。本方法使用脉冲时间依赖可塑性（STDP）训练网络，只更新连接到首脉冲神经元的权重，显著降低了突触权重更新的频率，可以减少计算的冗余，降低功耗和面积开销。
-
-
-
Search Results
4
records
(took 0.014 seconds)
