期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于菌群优化Spiking神经网络的渲染时间估计
1
作者 胡博 章毅 蔡柳萍 《南京理工大学学报》 CAS CSCD 北大核心 2023年第2期214-220,共7页
为了提高三维模型渲染时间估计的准确度,采用Spiking神经网络算法进行渲染时间预估。目前,基于Spiking理念的神经网络模型有多种,选择了其中的卷积Spiking神经网络(Convolutional Spike neural network,CSNN)来实现渲染时间计算。首先,... 为了提高三维模型渲染时间估计的准确度,采用Spiking神经网络算法进行渲染时间预估。目前,基于Spiking理念的神经网络模型有多种,选择了其中的卷积Spiking神经网络(Convolutional Spike neural network,CSNN)来实现渲染时间计算。首先,建立了基于CSNN的渲染时间预估模型。通过点火时间序列完成编码,从而触发脉冲响应实现数据传递。其次,利用CSNN的权重、卷积核尺寸、偏置等参数来构建菌群优化(Bacterial foraging optimization,BFO)算法,并以渲染时间预估值和实际值的差值作为适应度函数。通过驱化、繁衍和迁徙操作不断更新菌群个体的适应度值来获得最优个体。最后,以最优参数进行CSNN的渲染时间预估。试验结果表明,通过合理设置BFO算法的引力系数、斥力系数和迁徙概率阈值等参数,BFO+CSNN算法能够获得较高的渲染时间预估准确率。相比于其他渲染时间预估算法,BFO+CSNN算法具备更高的渲染时间预估准鲁棒性。 展开更多
关键词 SPIKING神经网络 渲染时间 菌群优化 卷积神经网络
下载PDF
基于PSO-SNN的电动汽车充电站短期负荷预测模型研究 被引量:4
2
作者 王哲 代兵琪 李相栋 《电气技术》 2016年第1期46-50,共5页
本文以某电动汽车充电站的实测充电功率数据和天气预报数据为理论依据,分析了电动汽车充电站的负荷特性。构建了基于粒子群优化脉冲神经网络的电动汽车充电站短期负荷预测模型,脉冲神经网络采用脉冲发放时间进行信息的编码及处理,具有... 本文以某电动汽车充电站的实测充电功率数据和天气预报数据为理论依据,分析了电动汽车充电站的负荷特性。构建了基于粒子群优化脉冲神经网络的电动汽车充电站短期负荷预测模型,脉冲神经网络采用脉冲发放时间进行信息的编码及处理,具有计算能力强、信息容量大和实时性好的特点。通过仿真算例对比可知,本文提出的预测模型比传统BP-NN预测模型的预测误差在四个季节的测试日分别降低了8.59%、9.28%、12.06%和8.72%,证实所提出的模型具有较高的预测精度。 展开更多
关键词 电动汽车充电站 短期负荷预测 脉冲神经网络 粒子群算法
下载PDF
基于突触可塑性的SNN随钻陀螺仪漂移处理
3
作者 杨金显 韩玉鑫 刘鹏威 《电子科技》 2022年第4期60-66,共7页
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... 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。 展开更多
关键词 随钻振动 数据漂移 脉冲神经网络 突触可塑性 突触电导 点火率 膜电位相关性 抗干扰
下载PDF
基于脉冲神经网络的图像识别系统设计 被引量:1
4
作者 田玉茹 刘胜 杨海乐 《兵器装备工程学报》 CSCD 北大核心 2021年第S01期248-257,共10页
通过研究基于脉冲学习算法的脉冲神经网络,建立了一个用伪导数反向传播学习算法训练的前馈型卷积脉冲神经网络模型,将卷积神经网络和脉冲神经元相结合实现事件驱动模型运算,并与基于STDP无监督学习建立的脉冲神经网络模型比较,进行了模... 通过研究基于脉冲学习算法的脉冲神经网络,建立了一个用伪导数反向传播学习算法训练的前馈型卷积脉冲神经网络模型,将卷积神经网络和脉冲神经元相结合实现事件驱动模型运算,并与基于STDP无监督学习建立的脉冲神经网络模型比较,进行了模型分类精度和硬件复现可实现性的验证,表明前者更适合硬件复现。随后,利用FPGA硬件资源,设计了卷积型脉冲神经网络存储分配方案及其硬件整体架构。基于前馈型卷积脉冲神经网络的每个运算步骤,设计了各个硬件计算模块。通过硬件电路仿真和实测进行了硬件模块的验证,完成了一款可用于手写数字数据集分类问题的卷积型脉冲神经网络加速器。最后,对加速器硬件数据进行了汇总,与CPU的计算比较,运行能耗降低99%,运算速率提升23倍。 展开更多
关键词 脉冲神经网络 FPGA设计 反向传播算法 MNIST识别
下载PDF
鸽视顶盖快速显著感知编码模型研究
5
作者 王松伟 黄淑漫 +1 位作者 师丽 王梦珂 《系统仿真学报》 CAS CSCD 北大核心 2018年第11期4086-4099,共14页
在经典目标识别理论中,哺乳动物的视网膜和LGN中许多神经元执行了DoG (Difference of Gaussian)操作,其功能一般认为是白化,祛除冗余,并增强了边缘。通过对鸽视顶盖的ON-OFF神经元进行电生理研究,发现其利用FSL(First-SpikeLatency)进... 在经典目标识别理论中,哺乳动物的视网膜和LGN中许多神经元执行了DoG (Difference of Gaussian)操作,其功能一般认为是白化,祛除冗余,并增强了边缘。通过对鸽视顶盖的ON-OFF神经元进行电生理研究,发现其利用FSL(First-SpikeLatency)进行场景整体信息粗略快速的传递,利用发放率对场景中显著性特征进行相续的传递。通过解析神经元响应模式,提出了OT(Optic Tectum)的ON-OFF神经元工作机制的一种假设,搭建了模型架构。该研究对新型的Spike神经网络的研究具有一定的借鉴意义。 展开更多
关键词 视顶盖 显著性表征 spike神经网络 延时编码
下载PDF
脉冲神经网络硬件系统性能监测平台
6
作者 万雷 罗玉玲 黄星月 《广西师范大学学报(自然科学版)》 CAS 北大核心 2018年第1期9-16,共8页
随着脉冲神经网络规模不断增大、功能越来越复杂,如何快速地验证神经网络硬件系统结构各部分的功能,并准确地评估其性能成为设计者面临的严峻挑战。本文设计了一款可视化性能监测平台,用于脉冲神经网络硬件系统的功能验证和性能监测。以... 随着脉冲神经网络规模不断增大、功能越来越复杂,如何快速地验证神经网络硬件系统结构各部分的功能,并准确地评估其性能成为设计者面临的严峻挑战。本文设计了一款可视化性能监测平台,用于脉冲神经网络硬件系统的功能验证和性能监测。以Xilinx Zynq-7000器件为例,测试结果表明该监测平台具有轻量化设计、良好的人机交互界面和通用性等优势,能够提高脉冲神经网络硬件系统的功能验证和性能评估效率,为其硬件系统设计提供了较好的辅助功能验证与性能分析手段。 展开更多
关键词 脉冲神经网络 硬件系统 监测平台 可视化 功能验证 性能监测
下载PDF
适配PAICORE2.0的硬件编码转帧加速单元设计
7
作者 丁亚伟 曹健 +4 位作者 李琦彬 冯硕 杨辰涛 王源 张兴 《北京大学学报(自然科学版)》 EI CAS CSCD 北大核心 2024年第5期786-798,共13页
为了解决北京大学脉冲神经网络芯片PAICORE2.0类脑终端系统中软件编码和转帧过程速度较慢的问题,提出一种硬件加速方法。通过增加硬件加速单元,将Xilinx ZYNQ的处理系统PS端串行执行的软件编码转帧过程转移到可编程逻辑PL端的数据通路... 为了解决北京大学脉冲神经网络芯片PAICORE2.0类脑终端系统中软件编码和转帧过程速度较慢的问题,提出一种硬件加速方法。通过增加硬件加速单元,将Xilinx ZYNQ的处理系统PS端串行执行的软件编码转帧过程转移到可编程逻辑PL端的数据通路中流水化并行执行。硬件加速单元主要包含高度并行的卷积单元、参数化的脉冲神经元和位宽平衡数据缓冲区等。实验结果表明,该方法在几乎不增加数据通路传输延迟的前提下,可以消除软件编码和转帧过程的时间开销。在CIFAR-10图像分类的例子中,与软件编码和转帧方法相比,硬件编码转帧模块仅增加9.3%的LUT、3.7%的BRAM、2.6%的FF、0.9%的LUTRAM、14.9%的DSP以及14.6%的功耗,却能够实现约8.72倍的推理速度提升。 展开更多
关键词 脉冲神经网络芯片 PAICORE2.0 ZYNQ 脉冲编码 硬件加速 卷积加速单元
下载PDF
基于脉冲卷积神经网络稀疏表征的高分辨率遥感图像场景分类方法 被引量:5
8
作者 张哲益 曹卫华 +2 位作者 朱蕊 胡文凯 吴敏 《控制与决策》 EI CSCD 北大核心 2022年第9期2305-2313,共9页
遥感图像场景分类对土地资源管理具有重要意义,然而高分辨率遥感图像中地物分布复杂,图像中存在着与当前场景无关的冗余信息,会对场景的精确分类造成影响.对此,提出一种基于脉冲卷积神经网络(SCNN)稀疏表征的场景分类方法.从稀疏表征出... 遥感图像场景分类对土地资源管理具有重要意义,然而高分辨率遥感图像中地物分布复杂,图像中存在着与当前场景无关的冗余信息,会对场景的精确分类造成影响.对此,提出一种基于脉冲卷积神经网络(SCNN)稀疏表征的场景分类方法.从稀疏表征出发,利用脉冲神经元的稀疏脉冲输出特性,设计脉冲卷积神经网络,去除遥感图像中与场景无关的冗余信息,实现对图像的稀疏表征;提出基于脉冲输出交叉熵损失函数的反向传播算法,在该算法的基础上利用梯度下降训练脉冲卷积神经网络,优化网络参数,实现遥感图像场景分类;通过实验验证方法的有效性,将所提出方法应用于Google和UCM两个遥感图像数据集,并与传统的卷积神经网络(CNN)进行对比.实验结果表明,所提出方法可以对遥感图像进行稀疏表征,实现场景分类;相对于卷积神经网络,所提出方法在遥感图像场景分类任务上更具有优势. 展开更多
关键词 高分辨率遥感图像 场景分类 稀疏表征 脉冲卷积神经网络
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部