-
公开(公告)号：CN119027988A
公开(公告)日：2024-11-26
申请号：CN202411153540.3
申请日：2024-08-21
Applicant: 浙江工业大学
IPC: G06V40/12 , G06V10/10 , G06V10/26 , G06V10/28 , G06V10/44 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于深度压缩神经网络的手指汗腺提取方法，首先将OCT指纹体数据进行分割，将分割得到的系列子块输入到深度压缩神经网络；然后经过连续的扩张深度压缩模块，利用扩张卷积提升对汗腺的感受野，提取汗腺初步特征；通过连续的基础深度压缩模块，提取汗腺细化特征；汗腺细化特征在随机失活后，经过连续的卷积层，输出汗孔特征图，将汗孔特征图经过二值化后得到表面汗孔图片，将所有子块对应的表面汗孔图片进行拼接，得到手指汗孔图。本发明能够对OCT原始数据直接进行处理。通过深度压缩模块来提取汗腺特征，无需去噪和映射操作，直接从OCT原始数据中提取汗腺，压缩生成准确的表面汗孔图像，提升了提取精度和速度。
-
公开(公告)号：CN115620026A
公开(公告)日：2023-01-17
申请号：CN202211407403.9
申请日：2022-11-09
Applicant: 浙江工业大学
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464 , G06N3/049
Abstract: 本发明公开了一种基于脉冲神经元的自适应卷积自动编码方法，包括：步骤1：原始图像经过第一卷积层提取特征并批标准化得到特征图，再输入至脉冲神经元发放脉冲得到各个预设定的编码时间窗口的原始图像脉冲编码序列；步骤2：通过脉冲像素值映射方法进行解码获得解码图像，比较编码时间窗口变化时解码图像与原始图像的相似度，自动找到自适应卷积脉冲编码处理不同数据集的最佳编码时间窗口；步骤3：基于最佳编码时间窗口，完成自适应卷积脉冲编码预训练。本发明方法可以自动找到处理不同数据集的最佳编码时间窗口，且能够在网络训练过程中，不断优化自适应卷积脉冲编码参数，以更好的表征捕获的外部刺激，最大限度地保留原始图像信息。
-
公开(公告)号：CN115630675A
公开(公告)日：2023-01-20
申请号：CN202211336816.2
申请日：2022-10-28
Applicant: 浙江工业大学
IPC: G06N3/04 , G06N3/08 , G06N3/063 , G06F18/214
Abstract: 本发明涉及一种目标识别方法、系统、电子设备及存储介质，属于目标识别领域。在脉冲神经网络的每个卷积层中添加水平细胞层，并设置水平细胞层采用兴奋型水平细胞模型或抑制型水平细胞模型对同卷积层的卷积神经元层进行反馈作用，兴奋型水平细胞模型根据先前的脉冲发放特征提取结果来提升相对应的卷积神经元的膜电压，提高卷积神经元的脉冲发放频率来增大噪声与有效特征之间的差距，从而能够提升卷积神经元的特征提取能力，有效的去除噪声。抑制型水平细胞模型通过降低不必要的卷积神经元的膜电压从而达到使其不发放脉冲的效果，这样可以有效的降低层间的脉冲信号传递数量以及神经元的使用并保证了网络的特征提取能力和良好的准确率。
-
公开(公告)号：CN111753774A
公开(公告)日：2020-10-09
申请号：CN202010608109.9
申请日：2020-06-29
Abstract: 本发明公开一种脉冲双向联想记忆的认知方法及系统，涉及智能系统技术领域，方法包括：获取用户指令；若为视觉指令，则对用户图像进行处理，得到待认知的物体属性语义的脉冲序列，将其输入到训练和优化后的脉冲双向联想记忆网络模型中，根据得到的待认知的动作语义的脉冲序列确定用户的意图；若为动作指令，则对用户手势动作进行识别，得到待认知的动作语义的脉冲序列，将其输入到训练和优化后的脉冲双向联想记忆网络模型中，根据得到的待认知的物体属性语义的脉冲序列确定用户的意图。该方法及系统无需消耗大量计算成本即可实现视觉-动作通过语义建立的双向联想记忆，将接收到的视觉信息和动作信息相互联系，准确识别人类意图。
-
公开(公告)号：CN113743287B
公开(公告)日：2024-03-26
申请号：CN202111014867.9
申请日：2021-08-31
Abstract: 本发明提供了一种基于脉冲神经网络的机器人自适应抓取控制方法及系统，首先将神经网络初始模型转换为脉冲神经网络模型；其次根据待预测深度图像确定在抓取范围内是否存在待抓取物体；然后将待预测深度图像和待预测彩色图像进行融合后输入至所述脉冲神经网络模型进行预测，获得机械手臂抓取位姿；最后根据机械手臂抓取位姿对机械手臂进行操纵控制，以使抓取物体。本发明转换后的脉冲神经网络模型不仅最大程度的保留了全卷积神经网络的准确率，同时对于不同大小、形状的物体能够实现自适应的抓取，对于在抓取范围内的未参与预训练的物体也有较高的抓取准确率。
-
Patent Agency Ranking
公开(公告)号：CN113838459A
公开(公告)日：2021-12-24
申请号：CN202111412834.X
申请日：2021-11-25
Abstract: 本发明涉及语音信号处理领域，尤其涉及一种基于脉冲神经网络聚合标签学习的语音识别方法，包括以下步骤：步骤1：将快速时变的语音信号编码成为脉冲序列；步骤2：采用基于动态阈值的聚合标签学习算法训练双层脉冲神经网络；步骤3：将测试语音输入到训练后的脉冲神经网络，对输出神经元进行解码得到识别结果。本发明实现方法简单，充分利用脉冲神经网络强大的时序信息处理能力和低功耗的特性，可以实时、准确的识别语音信号。
-
公开(公告)号：CN113743287A
公开(公告)日：2021-12-03
申请号：CN202111014867.9
申请日：2021-08-31
Abstract: 本发明提供了一种基于脉冲神经网络的机器人自适应抓取控制方法及系统，首先将神经网络初始模型转换为脉冲神经网络模型；其次根据待预测深度图像确定在抓取范围内是否存在待抓取物体；然后将待预测深度图像和待预测彩色图像进行融合后输入至所述脉冲神经网络模型进行预测，获得机械手臂抓取位姿；最后根据机械手臂抓取位姿对机械手臂进行操纵控制，以使抓取物体。本发明转换后的脉冲神经网络模型不仅最大程度的保留了全卷积神经网络的准确率，同时对于不同大小、形状的物体能够实现自适应的抓取，对于在抓取范围内的未参与预训练的物体也有较高的抓取准确率。
-
公开(公告)号：CN119578468A
公开(公告)日：2025-03-07
申请号：CN202411646485.1
申请日：2024-11-18
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于自适应梯度的脉冲神经网络训练方法，首先构建采用LIF模型神经元的待训练脉冲神经网络，将数据集样本分批次输入待训练脉冲神经网络；然后获取待训练脉冲神经网络中每一层所有神经元的突触前输入和每一层所有神经元的膜电位，通过关联函数将代理梯度的宽度与膜电位的统计特性相关联，自适应调整每一层代理梯度的宽度；最后计算脉冲神经网络输出层与样本标签的交叉熵损失，进行梯度反向传播，更新突触权重。本发明有效地缓解了因代理梯度函数宽度固定而导致的梯度消失或者不匹配问题，网络单次推理需要消耗的能量少，所训练的网络具有优异的分类性能。
-
公开(公告)号：CN117370858A
公开(公告)日：2024-01-09
申请号：CN202311300700.8
申请日：2023-10-09
Applicant: 浙江工业大学
IPC: G06F18/241 , G06F18/22 , G06F18/2131 , G06N3/049 , G06N3/088
Abstract: 本发明公开了一种神经形态视觉目标识别方法及装置，利用调和平均时间的加权时间表面的多尺度以及层次模型来实现对时空脉冲事件进行时空特征提取，充分利用时间在不同空间尺度上的信息。并通过多尺度层次模型综合考虑了不同空间尺度下的特征提取以及层次间的复杂特征的提取，进而为分类器提供更加具有区分度的特征。最后采用Tempotron神经元的单层脉冲神经网络对特征事件进行分类，通过采用群体编码的多数投票方案提高分类效果，并使用多尺度特征加强脉冲发放性，进而有效解决神经形态视觉的目标识别与分类问题。
-
公开(公告)号：CN111753774B
公开(公告)日：2023-11-07
申请号：CN202010608109.9
申请日：2020-06-29
Abstract: 本发明公开一种脉冲双向联想记忆的认知方法及系统，涉及智能系统技术领域，方法包括：获取用户指令；若为视觉指令，则对用户图像进行处理，得到待认知的物体属性语义的脉冲序列，将其输入到训练和优化后的脉冲双向联想记忆网络模型中，根据得到的待认知的动作语义的脉冲序列确定用户的意图；若为动作指令，则对用户手势动作进行识别，得到待认知的动作语义的脉冲序列，将其输入到训练和优化后的脉冲双向联想记忆网络模型中，根据得到的待认知的物体属性语义的脉冲序列确定用户的意图。该方法及系统无需消耗大量计算成本即可实现视觉‑动作通过语义建立的双向联想记忆，将接收到的视觉信息和动作信息相互联系，准确识别人类意图。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
