脉冲神经网络
脉冲神经网络的相关文献在1997年到2022年内共计430篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、电工技术
等领域,其中期刊论文123篇、会议论文3篇、专利文献420631篇;相关期刊86种,包括仲恺农业工程学院学报、西安交通大学学报、电力系统及其自动化学报等;
相关会议3种,包括中国自动化学会中南六省(区)第26届学术年会、CCF2015-2016中国计算机科学技术发展报告会、中国电机工程学会2017年全国电工理论与新技术学术年会等;脉冲神经网络的相关文献由1034位作者贡献,包括潘纲、杨旭、唐华锦等。
脉冲神经网络—发文量
专利文献>
论文:420631篇
占比:99.97%
总计:420757篇
脉冲神经网络
-研究学者
- 潘纲
- 杨旭
- 唐华锦
- 施路平
- 吴庆祥
- 蔺想红
- 马德
- 何虎
- 李伟
- 裴京
- 邓磊
- 何书专
- 傅玉祥
- 李丽
- 王蕾
- 邢雁南
- 刘怡俊
- 张磊
- 曾毅
- 洪朝飞
- 王栋
- 王笑
- 罗玉玲
- 董丽亚
- 陈云霁
- 陈靖宇
- 乔宁
- 刘俊秀
- 刘洋
- 叶武剑
- 张梦骁
- 徐小良
- 柴志雷
- 段会康
- 王江
- 王淼
- 王秀青
- 蔡建
- 蔡荣太
- 袁孟雯
- 西克·萨迪克·尤艾尔阿明
- 赵文一
- 陆宇婧
- 雷云霖
- 黄恒
- 丘森辉
- 于奇
- 刘家航
- 卢文思
- 吉梦瑶
-
-
陈小帆;
杨智杰;
彭凌辉;
王世英;
周干;
李石明;
康子扬;
王耀;
石伟;
王蕾
-
-
摘要:
近年来,随着摩尔定律的放缓,传统体系结构逐渐面临“存储墙”和“功耗墙”问题。如今新型计算模式和体系结构层出不穷,其中就包含了类脑计算。由于其存算一体的特点,类脑计算已逐步打破了冯·诺依曼体系结构带来的“存储墙”和“功耗墙”限制,在类脑处理器上相关类脑算法得到了高效的应用。现阶段在大规模生物神经网络的应用场景下,需要提升多核类脑处理器的规模可扩展性,保持其高数据吞吐量和低传输延时。现今,大多数多核类脑处理器的设计采用片上网络作为互连结构。然而目前关于这类片上网络的验证研究还相对较少。鉴于片上网络对多核类脑处理器的重要性,建立一套完整而鲁棒的片上网络功能验证框架意义重大。旨在基于随机化方法来生成行为级和FPGA硬件级测试所需的激励文件,通过对日志文件进行高效处理实现较为全面的功能验证。
-
-
高云飞;
陈宇昊;
祝亚楠;
薛翔宇;
李洪革
-
-
摘要:
概率计算是将二进制数编码为概率脉冲序列进行运算,具有功耗低、资源消耗少的优势,将概率计算应用于脉冲神经网络(spiking neuron network,SNN)的硬件电路设计,有利于实现类脑模式的运算.为了实现神经网络的低功耗边缘计算,本文提出一种基于概率计算的SNN异步架构.使用异步微流水线控制的交叉阵列实现LIF(leakyintegrate and fire)神经元模型,可用于实现全连接结构的SNN运算;在SNN的输入层使用概率逻辑将输入数值编码为概率脉冲串.通过累加完成神经元突触权值与输入脉冲的计算,并基于逻辑计算实现神经元膜电位数值的衰减;使用异步架构控制概率脉冲序列的编码与概率脉冲数据流的信息传输,降低了SNN运算的功耗.所提出的架构实现了784输入、10输出的SNN运算;在Xilinx KCU116平台进行验证,获得了78.4 GSOPS的峰值性能与137.47 GSOPS/W的能耗比.
-
-
刘家航;
郁龚健;
李佩琦;
华夏;
柴志雷;
陈闻杰
-
-
摘要:
为满足大规模脉冲神经网络(SNN)的计算需求,类脑计算系统通常需要采用大规模并行计算平台。然而随着节点数量的增多,通信在仿真中所占比例大幅增加,导致计算效率下降。类脑模拟器开源软件NEST采用缓冲区大小相等的策略,有效缩短了通信时间,但是由于缓冲区互相无交流,使得通信数据量持续增加,因此其在能耗方面表现较差。分析NEST集群的负载特性,针对其中的通信问题进行稀疏性优化,提出基于SNN子图跨节点优化的神经元重分布算法ReLOC。通过优化SNN子图的跨节点分布减少每一轮神经元到进程的数量,从而减少跨节点脉冲,使进程间通信更加稀疏,达到缩减每一轮通信进程的目的。在此基础上,以稀疏交换的思想对NEST本身的通信机制进行改进,使有脉冲交换的进程进行数据交换,从而在连接稀疏的情况下提升通信效率。以包含28个Xilinx PYNQ节点的计算集群作为实验平台,运行皮质微电路SNN模型和平衡随机网络模型,验证ReLOC算法的有效性。实验结果表明,相比循环分布算法,重分布算法能够使通信的平均稀疏性提高20%,同时配合稀疏交换最多可使通信能耗减少98.63%。
-
-
马新娜;
赵猛;
祁琳
-
-
摘要:
深度学习为轴承故障诊断的智能化发展提供了新思路。本文从类脑计算角度出发,设计一种对轴承数据敏感的脉冲神经网络来完成故障数据分类任务。首先采用信号分解的方式提高原始信号特征提取效果,然后对故障信号进行脉冲编码,并采用多分量混合输入方式填充时间步作为神经网络的输入,最后采用卷积脉冲神经网络(SCNN)进行故障分类。为了验证该模型的分类效果,采用西储大学轴承数据集进行验证,分类准确率达到了99.78%。结果表明该轴承数据编码方案可以充分发挥脉冲神经网络时空动力学特征,且该脉冲神经网络模型在轴承故障诊断问题上具有高精度、高效率的特性。本研究有利于促进脉冲神经网络在故障诊断领域的研究和应用。
-
-
朱铮皓;
华夏;
徐聪;
柴志雷
-
-
摘要:
目前,类脑计算所面临的最具挑战性的问题之一是如何高性能且低功耗地进行大规模类脑仿真。本文选用应用生态完整、支持大规模仿真的NEST类脑仿真器,针对NEST类脑仿真器可移植性差、仿真速度慢等问题,设计了一种ARM+FPGA的类脑计算平台的通用性系统架构。本设计采用硬件加速神经元计算模块、通用数据传输接口设计、软硬件协同设计等方法提升了NEST类脑仿真器的性能。在3款类脑计算平台上证明了该架构的可行性,为类脑计算平台提供了一种通用解决方案。
-
-
董红斌;
刘洋英杰;
付强
-
-
摘要:
车辆重识别任务在模糊情景下存在难以顺利完成任务的情况。在模糊情景下,数据的质量会受到不同程度的影响。针对上述问题,本文提出了一种融合脉冲神经网络(SNN)的车辆重识别算法。脉冲神经网络具有功耗低的优势,且在处理非实值数据时性能优秀,适合应用于模糊情景。本算法通过设计脉冲神经网络模型,对特征图进行深度特征提取,通过残差计算实现身份映射,同时通过卷积注意力模块来优化网络。实验结果表明,算法在添加动态模糊的VeRi-776数据集上Rank-1与平均精度均值(mean average precision,mAP)指标表现优秀,能够有效地完成模糊环境下的车辆重识别任务。
-
-
杨金显;
韩玉鑫;
刘鹏威
-
-
摘要:
针对随钻振动引起MEMS陀螺仪的数据漂移问题,文中提出了一种脉冲神经网络算法。首先根据陀螺仪漂移误差的时间特性,利用脉冲网络的脉冲时间编码陀螺仪的信息强度。然后利用Izhikevich神经元模型的突触可塑性,调节激发性突触电导并抑制性突触电导,增强网络的鲁棒性,从而提高陀螺仪信号对噪声的抗干扰能力。在不同振动频率下,分析高斯白噪声输出神经元的点火率和膜电位间的相关性。实验结果表明,在不同频率的强振动下,噪声对输出神经元点火率及输出层神经元点火率相对变化的影响较小,对输出层神经元膜电位的影响较小,但是对膜电位间相关性的影响较大。该结果证明了文中所提方法提高了陀螺仪在振动噪声下的抗干扰能力,为陀螺仪漂移处理提供了新的思路。
-
-
刘颖;
周恩辉;
张薇;
王秀青;
吕锋
-
-
摘要:
在计算机视觉领域中,卷积神经网络取得了举世瞩目的成就,但其能耗问题一直未能得到很好解决.基于此问题,本文主要研究无监督学习范式下的Spike-CNN分类性能以及计算力.首先,本文设计了一种基于CNN和SNN的混合结构,在层级结构上实现脉冲机制;其次,为减少模型训练时间,本文提出了ReLU-ROC编码方案;最后,为使兴奋性神经元快速做出决策,本文提出了具有决策能力的RP-STDP学习方案:计算每对突触前与突触后兴奋性神经元的相对时间差.实验结果表明:以工业机器人采集到多元时间序列数据解决机械臂不同工作状态的3分类、4分类、5分类问题,在没有引入其他分类器的情况下,本文提出的具有奖罚机制的STDP的Spike-CNN方法平均准确率为LP1(91.07%)、LP2(96.66%)、LP4(93.95%).
-
-
李伟;
朱卫纲;
朱霸坤
-
-
摘要:
面对日益复杂的电磁环境和层出不穷的新体制雷达,基于人工方式提取雷达辐射源特征难以满足现代认知电子战的需求。为提升雷达辐射源识别的智能化水平,提出一种新的基于脉冲神经网络(Spiking Neuron Network,SNN)进行雷达辐射源调制类型识别的算法。首先利用时频分析的方法,将5种常见雷达时域信号转换为二维灰度图,使用高斯调谐曲线编码器将输入数据转化为脉冲发放时刻,然后传入由Tempotron组成的脉冲神经网络进行识别。仿真实验结果表明脉冲神经网络具有优良的检测精度,功耗较低,验证了该方法的有效性。
-
-
张驰;
唐凤珍
-
-
摘要:
脉冲神经网络(SNN)采用脉冲序列表征和传递信息,与传统人工神经网络相比更具有生物可解释性,但典型SNN的特征提取能力受到其结构限制,对于图像数据等多分类任务的识别准确率不高,不能与卷积神经网络相媲美。为此提出一种新型的自适应编码脉冲神经网络(SCSNN),将CNN的特征提取能力与SNN的生物可解释性结合起来,采用生物神经元动态脉冲触发特性构建网络结构,并设计了一种新的替代梯度反向传播方法直接训练网络参数。所提出的SCSNN分别在MNIST和Fashion-MNIST数据集进行验证,取得较好的识别结果,在MNIST数据集上准确率达到了99.62%,在Fashion-MNIST数据集上准确率达到了93.52%,验证了其有效性。
-
-
Xu Guizhi;
徐桂芝;
Yao Linjing;
姚林静;
Hou Delong;
侯德龙
- 《中国电机工程学会2017年全国电工理论与新技术学术年会》
| 2017年
-
摘要:
为了实现脉冲神经网络的硬件电路,本文受FPGA硬件电路实现启发,采用欧拉法离散忆阻器与神经元方程的方法,将忆阻器作为神经外部连接突触,与更具生物特性的Izhikevich神经元结合,探索性地构建了基于忆阻器的脉冲神经网络.仿真结果显示:在Simulink和Dsp Builser两种平台下,Izhikevich神经元模型不同放电模式下的动作电位变化规律接近,忆阻器的特性曲线相仿,构建的前馈型和反馈型神经网络中的各神经元动作电位一致,说明了采用欧拉法离散神经元模型的方法构建忆阻器脉冲神经网络模型及仿真分析方法的正确性,为之后其他类型脉冲神经元大规模网络的构建和FPGA硬件实现脉冲神经网络奠定了基础.
-
-
陈云霁;
黄铁军;
潘纲;
唐华锦;
施路平;
于俊清;
CCF多媒体专业委员会
- 《CCF2015-2016中国计算机科学技术发展报告会》
| 2016年
-
摘要:
类脑计算,是指仿真、模拟和借鉴大脑神经网络结构和信息处理过程的装置、模型和方法,其目标是制造类脑计算机和类脑智能.与经典人工智能符号主义、连接主义、行为主义以及机器学习的统计主义这些技术路线不同,类脑计算采取仿真主义:结构层次模仿脑(非冯·诺依曼体系结构),器件层次逼近脑(模拟神经元和神经突触的神经形态器件),智能层次超越脑(主要靠自主学习训练而不是人工编程).类脑计算相关研究已经有二十多年的历史,本报告从脑科学相关研究、模拟生物神经元和神经突触的神经形态器件、神经网络芯片、类脑计算模型与应用等方面对国内外研究进展和面临的挑战进行介绍,并对未来的发展趋势进行展望.
-
-
陈云霁;
黄铁军;
潘纲;
唐华锦;
施路平;
于俊清;
CCF多媒体专业委员会
- 《CCF2015-2016中国计算机科学技术发展报告会》
| 2016年
-
摘要:
类脑计算,是指仿真、模拟和借鉴大脑神经网络结构和信息处理过程的装置、模型和方法,其目标是制造类脑计算机和类脑智能.与经典人工智能符号主义、连接主义、行为主义以及机器学习的统计主义这些技术路线不同,类脑计算采取仿真主义:结构层次模仿脑(非冯·诺依曼体系结构),器件层次逼近脑(模拟神经元和神经突触的神经形态器件),智能层次超越脑(主要靠自主学习训练而不是人工编程).类脑计算相关研究已经有二十多年的历史,本报告从脑科学相关研究、模拟生物神经元和神经突触的神经形态器件、神经网络芯片、类脑计算模型与应用等方面对国内外研究进展和面临的挑战进行介绍,并对未来的发展趋势进行展望.
-
-
陈云霁;
黄铁军;
潘纲;
唐华锦;
施路平;
于俊清;
CCF多媒体专业委员会
- 《CCF2015-2016中国计算机科学技术发展报告会》
| 2016年
-
摘要:
类脑计算,是指仿真、模拟和借鉴大脑神经网络结构和信息处理过程的装置、模型和方法,其目标是制造类脑计算机和类脑智能.与经典人工智能符号主义、连接主义、行为主义以及机器学习的统计主义这些技术路线不同,类脑计算采取仿真主义:结构层次模仿脑(非冯·诺依曼体系结构),器件层次逼近脑(模拟神经元和神经突触的神经形态器件),智能层次超越脑(主要靠自主学习训练而不是人工编程).类脑计算相关研究已经有二十多年的历史,本报告从脑科学相关研究、模拟生物神经元和神经突触的神经形态器件、神经网络芯片、类脑计算模型与应用等方面对国内外研究进展和面临的挑战进行介绍,并对未来的发展趋势进行展望.
-
-
陈云霁;
黄铁军;
潘纲;
唐华锦;
施路平;
于俊清;
CCF多媒体专业委员会
- 《CCF2015-2016中国计算机科学技术发展报告会》
| 2016年
-
摘要:
类脑计算,是指仿真、模拟和借鉴大脑神经网络结构和信息处理过程的装置、模型和方法,其目标是制造类脑计算机和类脑智能.与经典人工智能符号主义、连接主义、行为主义以及机器学习的统计主义这些技术路线不同,类脑计算采取仿真主义:结构层次模仿脑(非冯·诺依曼体系结构),器件层次逼近脑(模拟神经元和神经突触的神经形态器件),智能层次超越脑(主要靠自主学习训练而不是人工编程).类脑计算相关研究已经有二十多年的历史,本报告从脑科学相关研究、模拟生物神经元和神经突触的神经形态器件、神经网络芯片、类脑计算模型与应用等方面对国内外研究进展和面临的挑战进行介绍,并对未来的发展趋势进行展望.
-
-
-
-
-