专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果23个,建议您升级VIP下载更多相关专利
  • [发明专利]基于脉冲阵列的图像重构方法、装置、存储介质及终端-CN202110626842.8有效
  • 黄铁军;郑雅菁;郑凌骁;余肇飞;田永鸿 - 北京大学
  • 2021-06-04 - 2023-10-20 - G06T11/00
  • 本发明公开了一种基于脉冲阵列的图像重构方法,包括:将待监测区域的脉冲阵列输入短时可塑性模型中,计算各像素位置的计算单元剩余量和单元连接概率;根据各像素位置的计算单元剩余量和单元连接概率反推出各像素位置的第一脉冲发放率和第二脉冲发放率;加权平均各像素位置对应的第一脉冲发放率和第二脉冲发放率,生成各像素位置的目标脉冲发放率;计算各像素位置连续两个脉冲发放时刻的差值,并基于各像素位置连续两个脉冲发放时刻的差值划分出监控区域的静止区域和运动区域;根据目标脉冲发放率计算静止区域的空间位置的像素值,并根据预设时间步长或目标脉冲发放率计算运动区域的空间位置的像素值,生成重构图像。采用本申请实施例,可以实现物体高速运动场景下的图像重构。
  • 基于脉冲阵列图像方法装置存储介质终端
  • [发明专利]一种运动目标检测跟踪方法-CN202110255763.0有效
  • 黄铁军;郑雅菁;余肇飞;田永鸿 - 北京大学
  • 2021-03-09 - 2023-10-10 - G06T7/246
  • 本申请涉及运动检测技术领域,具体而言,本申请涉及一种运动目标检测跟踪方法。所述方法包括以下步骤:采集监测区域的时空信号生成时空脉冲阵列;对所述时空脉冲阵列进行运动检测并生成对应的脉冲编码序列;将所述时空脉冲阵列输入脉冲神经网络中,所述脉冲神经网络根据所述时空脉冲阵列的发放模式进行聚类;结合所述脉冲编码序列和所述聚类结果获得目标的运动信息和位置信息;根据所述目标的运动信息和位置信息进行状态预测,将预测结果反馈到进行聚类的所述脉冲神经网络,以辅助修正预测时产生的误差。本申请的所述方法可分析获取如运动物体位置、大小、运动方向、运动速度等等运动信息,从而实现对不同运动目标的检测跟踪及运动轨迹的预测。
  • 一种运动目标检测跟踪方法
  • [发明专利]一种基于脉冲阵列的运动检测方法-CN202110254930.X有效
  • 黄铁军;郑雅菁;余肇飞;田永鸿 - 北京大学
  • 2021-03-09 - 2023-10-10 - G06T7/246
  • 本申请涉及运动检测技术领域,具体而言,本申请涉及一种基于脉冲阵列的运动检测方法。所述方法包括以下步骤:采集监测区域的时空信号生成时空脉冲阵列;将所述时空脉冲阵列输入脉冲神经网络中,所述脉冲神经网络中的脉冲神经元处理具有运动特征的时空脉冲序列并产生对应的脉冲;根据所述脉冲神经网络产生的所述脉冲获得不同空间位置的运动信息。本申请的方法利用高频率视网膜相机获得的脉冲阵列本身具有的时空特性,直接以视觉脉冲序列为输入,获取监测区域中存在的各种运动状态,获取各个运动状态对应的参数信息,输出的运动信息可用于物体跟踪及运动补偿等,从而更有利于后续基于脉冲信号的高速视觉对象的检测、识别及跟踪等高级视觉任务。
  • 一种基于脉冲阵列运动检测方法
  • [发明专利]一种基于深度神经网络的自然场景重建的方法-CN202110285684.4有效
  • 余肇飞;张祎晨;贾杉杉;刘健 - 之江实验室
  • 2021-03-17 - 2023-07-14 - H04N19/126
  • 本发明公开了一种基于深度神经网络的自然场景重建的方法,包括如下步骤:S1,获取自然图片刺激数据及其对应的神经响应数据;S2,构建脉冲‑图片转换器,脉冲‑图片转换器是3层全连接的神经网络,包括如下步骤:S21,第一层神经元接收所有神经节细胞脉冲数据作为输入,第二层为隐藏层,包含一组神经元,接收第一层神经的输出作为输入;S22,第三层为输出层,接收第二层的输出作为输入,并根据激活函数进行激活,第三层的输出神经元个数设置为刺激图片像素个数;S3,构建图片‑图片的自动编码器;S4,将S21、S22的输出与刺激图片构建损失函数;S5,通过训练好的模型,根据神经响应数据重建其刺激图片。
  • 一种基于深度神经网络自然场景重建方法
  • [发明专利]脉冲神经网络的剪枝方法、装置及电子设备-CN202210867737.8在审
  • 田永鸿;陈彦骐;余肇飞;方维 - 北京大学
  • 2022-07-22 - 2022-12-02 - G06N3/08
  • 本发明公开了一种脉冲神经网络的剪枝方法、装置及电子设备。其中,上述方法包括:将突触连接层中每个连接权重组成的初始向量进行初始化操作得到权重向量;当基于反向传播的算法对脉冲神经网络进行剪枝训练时,通过预定义的导函数计算每个损失函数值对隐藏参数向量的梯度;对隐藏参数向量的梯度进行梯度下降更新,并利用预设的递增函数计算软阈值函数进行再次梯度更新时使用的目标阈值;基于目标阈值,利用软阈值函数再次将隐藏参数向量映射到权重向量;当对脉冲神经网络模型的剪枝训练轮数达到预设轮数时,得到训练好的脉冲神经网络模型。本发明解决了相关技术中在神经形态计算芯片上无法有效部署脉冲神经网络的技术问题。
  • 脉冲神经网络剪枝方法装置电子设备
  • [发明专利]基于脉冲重排深度残差神经网络的数据处理方法与装置-CN202210520896.0在审
  • 田永鸿;方维;余肇飞;陈彦骐;黄铁军 - 北京大学
  • 2022-05-13 - 2022-10-18 - G06N3/04
  • 本申请涉及脉冲神经网络与数据处理技术领域,更为具体来说,本申请涉及基于脉冲重排深度残差神经网络的数据处理方法与装置。所述方法包括:在基于脉冲重排深度残差神经网络中配置多个紧邻的脉冲重排残差模块;将配置脉冲重排残差块后的基于脉冲重排深度残差神经网络作为第一脉冲重排模型;训练所述第一脉冲重排模型;将目标数据输入训练好的第一脉冲重排模型中进行处理,得到目标处理结果。本申请的重排处理使得参数量大为减少,降低了过拟合风险,也减轻了存储和计算开销,进而提升了数据处理的效率。同时,本申请可以获取所述目标数据对应的类别,可以获得回归序列或回归单个向量,从而适用于多种应用场景。
  • 基于脉冲重排深度神经网络数据处理方法装置
  • [发明专利]脉冲阵列时域滤波方法、装置、设备及存储介质-CN202010421862.7有效
  • 田永鸿;郑雅菁;余肇飞;黄铁军 - 北京大学
  • 2020-05-18 - 2022-08-19 - H03H17/02
  • 本发明公开了一种脉冲阵列时域滤波方法,包括:在监测区域内的各个空间位置建立短时程可塑性模型;将脉冲阵列输入所述短时程可塑性模型,获得各个空间位置的后突触电位值、神经递质剩余量和/或神经递质释放概率;根据同一空间位置的当前时刻产生的脉冲信号与上一个脉冲信号对应的后突触电位值的差值、神经递质剩余量的差值和/或神经递质释放概率的差值,去除该空间位置当前时刻产生的脉冲信号。通过上述方法,可以将阵列中跟检测物体无关的背景脉冲信息去除,处理后的脉冲阵列信号可用于运动物体的检测、跟踪、识别。
  • 脉冲阵列时域滤波方法装置设备存储介质
  • [发明专利]一种生物神经信号的视觉解码方法、装置、存储介质及终端-CN202210213372.7在审
  • 黄铁军;张燚钧;余肇飞 - 北京大学
  • 2022-03-04 - 2022-07-12 - G06V10/80
  • 本发明公开了一种生物神经信号的视觉解码方法、装置、存储介质及终端,方法包括:获取双光子钙成像信号的数据阵列;将双光子钙成像信号的数据阵列输入预先训练的V1视觉皮层视觉信息神经解码模型中;其中,V1视觉皮层视觉信息神经解码模型是由神经信号转换模块和自动编码模块构成的;自动编码模块包含跳层结构,跳层结构用于在不同深度的神经网络层之间,融合整个神经网络在不同层上提取出来的特征;输出双光子钙成像信号对应的重构图像。由于本申请通过神经信号转换模块和自动编码模块进行信号数据处理,并通过自动编码模块中的跳层结构融合整个神经网络在不同层上提取出来的特征,从而提升了重构图像的精确度。
  • 一种生物神经信号视觉解码方法装置存储介质终端
  • [发明专利]一种目标识别方法、装置、系统及计算机可读存储介质-CN202010062434.X有效
  • 黄铁军;赵君伟;田永鸿;余肇飞 - 北京大学
  • 2020-01-19 - 2022-01-11 - G06T7/246
  • 本发明公开了目标识别方法、装置、系统及计算机可读存储介质,该方法包括如下步骤:获取原始脉冲数据,确定脉冲采样窗口、将脉冲采样窗口内的脉冲输入至脉冲神经网络,对输入至脉冲神经网络的脉冲进行映射,满足条件下令脉冲沿末层激发神经元以外的各层激发神经元依次传递、令脉冲沿末层激发神经元传递至推理层、令脉冲沿末层推理神经元以外的各层推理神经元依次传递,确定识别结果;该装置包括脉冲获取模块、采样窗口模块、脉冲映射模块、神经元激发模块、神经元推理模块及识别结果确定模块;该系统包括上述装置;本发明能够实现对待识别的目标的准确识别和快速识别,而且能够较好地适用于运动速度较高的目标,并能兼顾识别准确率与计算量。
  • 一种目标识别方法装置系统计算机可读存储介质
  • [发明专利]一种基于卷积神经网络的视网膜神经元编码方法-CN202011247677.7在审
  • 余肇飞;贾杉杉;郑雅菁;刘健 - 之江实验室
  • 2020-11-10 - 2021-02-05 - G06K9/46
  • 本发明公开了一种基于卷积神经网络的视网膜神经元编码方法,包括如下步骤:S1,获取神经节细胞刺激数据及其对应的响应数据;S2,构建CNN模型进行训练,包括如下步骤:S21,神经节细胞刺激数据输入第一层卷积层;S22,第一层卷积层的输出输入第二卷积层;S23,第二层卷积层的输出输入全连接层;S24,将输出与响应数据进行比较,优化CNN模型的输出;S3,通过训练好的CNN模型,预测神经节细胞的响应数据;选用CNN模型是因为其具有强大的非线性计算能力,通过实验,当CNN模型的卷积层为2时,效果最好,在全连接层中只有一个输出神经元,信息通过激活函数进行矫正。
  • 一种基于卷积神经网络视网膜神经元编码方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top