“脑神经元”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果380086个，建议您升级VIP下载更多相关专利

[发明专利]神经元网络检测信号装置-CN201510377072.2在审
发明人：马军;王春妮;任国栋 -专利权人：兰州理工大学
申请日： 2015-07-01 - 公布日： 2015-12-16 - 主分类号： G05B13/04 文献下载
摘要：本发明公开神经元网络检测信号装置，包括至少两个耦合的神经元，每个神经元连接一个传输出直流电信号的传感器，耦合的神经元输出端连接一个同步判断装置；采用了上述方案后，利用传感器将物理或生物等信号转换为直流电信号，作用到相互耦合的神经元或类神经元电路中，当耦合强度达到一定值后，神经元或类神经元电路网络的放电行为也将达到同步，同步判断装置可以检测到该种电路的输出电压或电流响应。
神经元网络检测信号装置

[发明专利]神经网络运算模块及方法-CN201910235214.X在审
发明人：不公告发明人 -专利权人：上海寒武纪信息科技有限公司
申请日： 2019-03-26 - 公布日： 2020-10-09 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种神经网络运算模块，包括存储多层神经网络的输出神经元，输入神经元精度、权重精度和输出神经元梯度精度的存储单元；控制器单元获取输出神经元，并确定输出神经元的绝对值的平均值Y1和定点化后输出神经元的绝对值的平均值Y2；若Y1/Y2大于预设阈值K，则调整输入神经元精度、权重精度和输出神经元梯度精度，以使梯度更新精度T与预设精度Tr的差值的绝对值最小；运算单元根据调整后的精度来表示输入神经元、权重和运算得到的输出神经元梯度，以进行后续运算。
神经网络运算模块方法

[发明专利]利用超阈值低频电刺激的神经阻滞-CN202080061005.9在审
发明人：邰常峰 -专利权人：高等教育联邦系统-匹兹堡大学
申请日： 2020-06-30 - 公布日： 2022-04-05 - 主分类号： A61N1/00 文献下载
摘要：本文提供了一种阻滞神经或神经元的方法，包括对神经或神经元施加电刺激，其中，电刺激的强度大于神经或神经元的兴奋阈值足够长的时间以产生神经传导或神经元兴奋的阻滞。
利用阈值低频刺激神经阻滞

[发明专利]端粒酶永生化人胚胎前脑神经前体细胞系及其建立方法-CN200810101901.4无效
发明人：张海燕;徐群渊;王一松;赵咏梅;赵春礼 -专利权人：首都医科大学北京神经科学研究所
申请日： 2008-03-13 - 公布日： 2009-01-28 - 主分类号： C12N5/10 文献下载
摘要：本发明涉及一种端粒酶永生化人胚胎前脑神经前体细胞系及其建立方法和应用，该细胞系已于2008年2月21日保藏于《中国微生物菌种保藏管理委员会普通生物中心》，其保藏号为CGMCC No.2372。所述细胞系表达人神经生长因子受体及绿色荧光蛋白，具有高端粒酶活性，正常人二倍体核型，体外连续传代培养36个月，目前已传至45代次，群体倍增达100－120次，具有接触抑制和密度抑制特性；所述细胞系分化形成的神经元具有电生理学特性；所述细胞系在骨形成蛋白2(BMP2)的诱导下可以分化成γ－氨基丁酸(GABA)能神经元。
端粒永生胚胎前脑神经体细胞及其建立方法

[发明专利]一种前庭神经权重信息编码神经元的筛选方法-CN201910751427.8有效
发明人：任鹏宇 -专利权人：任鹏宇
申请日： 2019-08-15 - 公布日： 2021-11-23 - 主分类号： A61B5/388 文献下载
摘要：本发明提供了一种前庭神经权重信息编码神经元的筛选方法，其特征在于：使用单神经元记录技术捕获某前庭神经元群落在静息状态下的神经电生理信息；计算该前庭神经群落内每个神经元的归一化变异系数；通过半对数图对该前庭神经群落进行分析，绘制该前庭神经元群落在归一化变异系数分布范围内的数量累积峰；计算数量累积峰的峰顶区间，将归一化变异系数落入神经元数量累积峰峰顶区间内的前庭神经元挑选出，即为该前庭神经群落内编码权重信息的神经元。本发明从特殊的视角量化锁定神经群落内编码权重信息的神经元，为神经通路内群体信息集传递研究奠定基础，也为前庭神经群落精准调控策略的优化改进提供依据。
一种前庭神经权重信息编码神经元筛选方法

[发明专利]模型优化方法、装置、计算机设备和存储介质-CN202310268747.4在审
发明人：许啸;王雪霏;旷亚和 -专利权人：中国工商银行股份有限公司
申请日： 2023-03-15 - 公布日： 2023-06-23 - 主分类号： G06N3/082 文献下载
摘要：该方法包括：根据测试样本集，确定包含测试模型中各神经元的覆盖信息的神经元覆盖模式序列；基于神经元覆盖模式序列，确定测试模型的网络模型层级价值以及测试模型中每一神经元的神经元价值特征和神经元关联价值特征；根据神经元价值特征和神经元关联价值特征，对冗余神经元进行删除；根据网络模型层级价值，对测试模型中的冗余网络结构进行删除，得到优化后的测试模型。
模型优化方法装置计算机设备存储介质

[发明专利]ATP5D激活剂与B淋巴细胞在制备药物中的用途-CN202310831370.9在审
发明人：熊柳林;王文元;王廷华;薛璐璐;杜若兰 -专利权人：河络新图生物科技（上海）有限公司
申请日： 2023-07-07 - 公布日： 2023-10-20 - 主分类号： A61K45/00 文献下载
摘要：本申请公开了ATP5D激活剂在制备药物中的用途，所述药物具备以下任一项或多项功能：1)治疗/预防阿尔茨海默病；2)抑制神经元损伤；3)使神经元形态紧密、排列规则；4)增加海马区颗粒层厚度。本申请还公开B淋巴细胞在制备药物中的用途，所述药物具备以下任一项或多项功能：1)治疗/预防阿尔茨海默病；2)保护神经元；3)减轻神经元损伤；4)促进受损海马神经元轴突生长；5)减少神经元丢失或凋亡；6)增加神经元数量；7)增加神经元和树突积分密度；8)使神经元形态紧密、排列规则；9)增加海马区颗粒层厚度。
atp5d 激活剂淋巴细胞制备药物中的用途

[发明专利]仿生路径的路由确定方法、系统、电子设备及介质-CN202211393121.8在审
发明人：吴臻志;祝夭龙 -专利权人：北京灵汐科技有限公司
申请日： 2022-11-08 - 公布日： 2023-03-21 - 主分类号： H04L41/12 文献下载
摘要：本公开提供了一种仿生路径的路由确定方法及系统，包括：针对网络拓扑结构，建立仿生的路由神经网络；其中，路由神经网络包括：对应于网络拓扑结构中的源网络节点的第一神经元、对应于网络拓扑结构中的目的网络节点的第二神经元、对应于网络拓扑结构中的中间网络节点的传输神经元；在路由神经网络中激活第一神经元，从第一神经元开始传输脉冲；在第二神经元接收到脉冲的情况下，获取脉冲从第一神经元传输至第二神经元的传输路径；根据传输路径确定源网络节点至目的网络节点之间的路由路径该方式将网络拓扑结构中的路由问题转换为神经元之间的脉冲传输问题，进而能够以更加简便可靠的方式确定路由信息。
仿生路径路由确定方法系统电子设备介质

[发明专利]使用类神经元表示图以交互和自动模式创建计算语义和抽象的知识模型的基于计算机的系统-CN202210954848.2在审
发明人： A·贝诺尼 -专利权人：卡塔莱克希尔有限责任公司
申请日： 2022-08-10 - 公布日： 2023-02-17 - 主分类号： G06F40/30 文献下载
摘要：一种计算机实现的神经网络图(1)系统，包括多个神经元(2)以及多个轴突和树突(4)，每个神经元由动态数据结构中的唯一性可寻址节点表示，并且每个神经元包含多个数据，多个轴突和树突(4)连接它们之间的两个或多个神经元(2)以便表示关系并将一神经元(2)中包含的一个或多个数据传输到另一神经元。每个轴突(4)在其末端具有用于将其连接到神经元(2)的突触(3)，并且至少一个中间神经元(2)通过中间轴突(3)或树突连接，并且其突触(3)直接连接到连接两个主神经元(2)的另一轴突(2)。
使用神经元表示交互自动模式创建计算语义抽象知识模型基于计算机系统

[发明专利]神经网络模型剪枝方法、装置、模型、介质及设备-CN202111211116.6在审
发明人：李晓雅;卢辰鑫;何豪杰;王思宽;王铎;韩庆宏 -专利权人：浙江香侬慧语科技有限责任公司
申请日： 2021-10-18 - 公布日： 2022-03-04 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了一种神经网络模型剪枝方法、装置、模型、介质及设备，属于数据控制技术领域。该方法主要包括：在多层级神经网络模型的第一层神经元中选取第一神经元；根据第N‑1神经元与第N层神经元的互信息，在第N层中选取第N神经元；根据第N‑1神经元与第N神经元，在第N‑1层神经元与第N层神经元的连接参数矩阵中删除部分参数元素，获得各个相邻层对应的更新参数矩阵；根据更新参数矩阵，分别对更新参数矩阵中的参数元素进行相应的整理，获得多层级神经网络模型对应的剪枝参数矩阵。基于神经网络模型相邻两层之间的互信息，保留当前层与上一层互信息最大的若干神经元，将剩余部分删除；以加快神经网络模型运行效率以及增强其兼容性。
神经网络模型剪枝方法装置介质设备

[发明专利]一种自适应模糊脉冲神经膜系统及推理算法和学习算法-CN201210338783.5无效
发明人：王军;彭宏;涂敏 -专利权人：西华大学
申请日： 2012-09-13 - 公布日： 2012-12-19 - 主分类号： G06N3/02 文献下载
摘要：本发明实施例公开了一种自适应模糊脉冲神经膜系统，其具有如下结构：∏＝(A，N_p，N_r，syn，I，O)，其中，A＝{a}为单字母集合；N_ppm}为命题神经元集，σ_pi为第i个命题神经元，1≤i≤m；N_r＝{σ_r1，σ_r2，..，σ_rn}为规则神经元集，σ_ri为第i个规则神经元，1≤i≤n；表示命题神经元和规则神经元之间的连接关系，但在两个命题神经元之间或两个规则神经元之间无连接关系；I∈N_p为输入神经元集；O∈N_p为输出神经元集，本申请提供的一种自适应模糊脉冲神经膜系统，通过设置两类神经元集，使得模糊脉冲神经膜系统能够进行推理，并具有学习能力，能够处理应用中的动态问题。
一种自适应模糊脉冲神经系统推理算法学习

[发明专利]获取人工智能模型的方法、装置、设备及存储介质-CN202010246686.8在审
发明人：司晓云;胡新宇;薛莉;张亮;尘福兴 -专利权人：华为技术有限公司
申请日： 2020-03-31 - 公布日： 2021-10-01 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种获取人工智能模型的方法、装置、设备及存储介质，以客户端执行该方法为例，客户端接收服务端发送的第一人工智能AI模型，第一AI模型包括多个神经元；客户端在多个神经元中确定参与本轮训练的目标神经元，本轮训练为非首轮训练，目标神经元的数量小于多个神经元的总数量；客户端基于本地数据对目标神经元进行训练；客户端向服务端返回目标神经元对应的参数数据，目标神经元对应的参数数据用于服务端获取收敛的目标AI模型由于无需对模型中的所有神经元进行训练，而是按照活跃条件来训练目标神经元，从而能够降低功耗，加快训练速度。又由于客户端向服务端仅传输训练的神经元对应的参数，因而可节省通信带宽。
获取人工智能模型方法装置设备存储介质

[发明专利]语言处理模型的推理处理方法、装置及电子设备-CN202310186635.4在审
发明人：赵靖 -专利权人：京东科技信息技术有限公司
申请日： 2023-03-01 - 公布日： 2023-06-23 - 主分类号： G06N5/04 文献下载
摘要：本公开提供一种语言处理模型的推理处理方法、装置及电子设备，所述方法应用于语言处理模型，包括：获取语言处理模型的当前计算层的第一输入序列，第一输入序列包括多个第一神经元；对第一神经元进行计算更新得到更新后第一神经元；基于第一神经元的信息贡献值，对更新后第一神经元进行划分得到高信息度第一神经元和低信息度第一神经元；将低信息度第一神经元进行聚合处理，得到聚合后第一神经元；将聚合后第一神经元和高信息度第一神经元送入当前计算层的下一计算层进行推理处理
语言处理模型推理方法装置电子设备

[发明专利]频率调整装置、处理核、众核系统和工作方法-CN202111574269.7在审
发明人：吴臻志;祝夭龙 -专利权人：北京灵汐科技有限公司
申请日： 2021-12-21 - 公布日： 2023-06-23 - 主分类号： G06N3/06 文献下载
摘要：本公开提供了一种频率调整装置，其包括至少一个频率调整模块，每个频率调整模块包括：多个神经元，包括第一神经元，以及依次串接的第二神经元和多个第三神经元；多个门控单元，包括连接于第二神经元的输出端与第一神经元的输入端之间的第一门控单元，以及分别连接在每个第三神经元的输出端与第一神经元的输入端之间的多个第二门控单元；门控信号生成单元，用于根据第二神经元的输入端的输入信号和所需的输出信号生成门控信号，独立地控制各门控单元的通断状态，以使频率调整模块形成频率调整电路；频率调整电路用于根据第二神经元的输入端的输入信号，使第一神经元的输出端产生所需的输出信号。
频率调整装置处理系统工作方法

[发明专利]具有深度时间划窗的神经元信息处理方法和系统-CN201780084032.6在审
发明人：裴京;邓磊;施路平;吴臻志;李国齐 -专利权人：清华大学
申请日： 2017-12-05 - 公布日： 2020-01-24 - 主分类号： G06N3/04 文献下载
摘要：一种具有深度时间划窗的神经元信息处理方法和系统，所述方法包括：接收前端脉冲神经元输出信息，包括前端脉冲神经元输出的脉冲尖端信息（S100）；读取第一当前脉冲神经元信息，包括当前时间窗内脉冲尖端信息历史序列（S200）；根据所述前端脉冲神经元输出的脉冲尖端信息，和所述当前时间窗内脉冲尖端信息历史序列，获取当前时间窗内脉冲尖端信息更新序列（S300）；根据所述当前时间窗内脉冲尖端信息更新序列，确定第二当前脉冲神经元信息（S400）；根据所述前端脉冲神经元信息和所述第二当前脉冲神经元信息，计算当前脉冲神经元输出信息（S500）；输出所述当前脉冲神经元输出信息（S600）。本方法突破了仅具有前后时间步相互关联的限制，可以根据需要灵活设置缓存更大时间深度的历史活动信息，在时间域深度效应方面更加接近生物神经元。
脉冲神经元神经元输出前端脉冲时间窗信息更新信息历史读取缓存生物神经元历史活动灵活设置深度效应信息处理时间步时间划时间域关联输出