-
公开(公告)号：CN113658273B
公开(公告)日：2024-04-26
申请号：CN202110955480.7
申请日：2021-08-19
申请人： 上海新氦类脑智能科技有限公司
摘要： 本发明涉及一种基于空间感知的场景自适应目标定位方法和系统，包括根据当前场景先前的目标定位结果，获取目标中心点二次曲线和检测框尺寸的高斯分布曲线；实时获取目标图像，根据目标分布规律，从目标中心点二次曲线中获取多个假定目标中心点组合，进而从检测框尺寸的高斯分布曲线中获取对应的假定检测框组合，通过能量函数计算假定检测框组合的分值；选取分值最高的假定目标中心点组合和对应的假定检测框组合，作为目标的辅助定位结果；反馈给深度学习模型，进行参数调整，从而进行下一时刻的目标定位。与现有技术相比，本发明能够在通用的深度学习模型基础上，让模型根据不同的风机环境进行自适应学习，进一步增加其兼容性和鲁棒性。
-
公开(公告)号：CN117668532A
公开(公告)日：2024-03-08
申请号：CN202211008216.3
申请日：2022-08-22
申请人： 复旦大学 , 上海新氦类脑智能科技有限公司
IPC分类号： G06F18/214 , G06N20/00
摘要： 本发明提供一种基于投影约束模型聚合的隐私保护端云联合机器学习方法，采用联邦学习通过服务器对客户端提供的模型进行聚合，其特征在于，包括步骤：步骤1，采集训练数据获取客户端模型，利用训练好的客户端模型抽取客户端本地数据的中间层特征，以此计算训练好的模型每一层的参数所对应的投影矩阵，使得客户端模型不遗忘知识；步骤2，客户端将训练好的模型的参数和对应的投影矩阵发送给服务器；步骤3，服务器根据收到的模型参数和投影矩阵进行模型聚合，基于多目标优化策略，获取包含不同客户端知识的最优聚合模型，并将该最优聚合模型发送给客户端；步骤4，重复步骤1至步骤3，通过少量轮次通信，从而获取适用于所有客户端数据的全局模型。
-
公开(公告)号：CN112149815B
公开(公告)日：2023-04-18
申请号：CN202011046417.3
申请日：2020-09-28
申请人： 复旦大学 , 上海新氦类脑智能科技有限公司
摘要： 本发明公开了用于大规模类脑计算网络的种群聚类及种群路由方法，涉及路由技术领域，所述类脑计算网络部署在多个CPU或GPU或可进行类脑计算的FPGA和ASIC芯片上，且由神经元及其之间的拓扑连接关系组成，将所述神经元划分为不同种群；所述种群内对应的所述神经元联系紧密；所述种群间对应的所述神经元联系稀疏；同一种群内的所述神经元放置于同一芯片上，且共用相同的路由条目和路由路径；不同种群内的所述神经元放置于同一芯片或不同芯片。本方法通过将神经元合理聚类为种群，有效地减少了跨片的通信频率和路由的存储开销，并提高了系统的效率。
-
公开(公告)号：CN115618923A
公开(公告)日：2023-01-17
申请号：CN202211304460.4
申请日：2022-10-24
申请人： 上海新氦类脑智能科技有限公司
IPC分类号： G06N3/04
摘要： 本发明的脉冲神经网络训练方法、装置以及终端，通过脉冲神经网络，根据输入实值计算对应的输出脉冲编码；对所述输出脉冲编码进行脉冲解码，以获得输出实值；基于误差函数，根据所述输出实值与所述输入实值所对应的数据标签计算当前网络计算误差，以供在未达到目标精度的情况下更新所述脉冲神经网络的网络参数。本发明在脉冲神经网络训练中所需的脉冲周期数少，模型精度比传统方法高，同时训练时间比常规的直接训练方法短。
-
公开(公告)号：CN113282411B
公开(公告)日：2022-03-22
申请号：CN202110544084.5
申请日：2021-05-19
申请人： 复旦大学 , 上海新氦类脑智能科技有限公司
摘要： 本发明涉及人工智能技术领域，具体是一种基于边缘设备的分布式神经网络训练系统，通过IoT边缘设备进行分布式联合训练的方式，以实现对边缘端产生的海量数据进行有效利用的功能；通过对Parameter Server分布式架构下机器学习分布式训练的设备优化组网配置进行以各设备间性能、带宽进行综合配比实现最优配置；通过对训练任务的模型大小、各设备性能和带宽之间进行优化分配，确定目前能最大发挥设备群性能的配置。本发明提供的方法不仅实现了将神经网络训练部署至IoT领域，同时对分布式组网任务配置方面进行了优化，有效地避免了集群间不必要的性能损耗，提高了分布式训练系统的计算性能。
-
公开(公告)号：CN114089911A
公开(公告)日：2022-02-25
申请号：CN202111043717.0
申请日：2021-09-07
申请人： 上海新氦类脑智能科技有限公司
摘要： 本申请提供基于数据复用的块切分拼接处理方法、装置、设备及介质，包括：确定待处理的当前层输入数据块在当前层的位置；若为首位，则从外部存储器中读取待处理的当前层输入数据块所对应的全部的前一层输出数据块的块数据；若非首位，则从外部存储器中读取待处理的当前层输入数据块中未被在先处理的当前层输入数据块所使用的前一层输出数据块的块数据，并从在先处理的当前层输入数据块中读取已被使用的前一层输出数据块的块数据。本发明实现了数据块的复用，降低了读取外部存储器的带宽，也降低了功耗；由于数据复用方法没有使用高速缓冲存储器cache，因此复杂度低，成本较低。
-
公开(公告)号：CN114078270A
公开(公告)日：2022-02-22
申请号：CN202010837871.4
申请日：2020-08-19
申请人： 上海新氦类脑智能科技有限公司
IPC分类号： G06V40/16 , G06V10/26 , G06V10/74 , G06V10/82 , G06F16/583 , G06N3/04 , G06N3/08 , G06F21/32
摘要： 本申请提供的一种基于遮挡环境下人脸身份验证方法、装置、设备和介质，通过基于训练过的深度学习网络对人脸面部图像进行特征点检测，以确定所述人脸面部图像上对应人脸面部中一或多个特征点的具体位置；依据检测出的各所述特征点对所述人脸面部图像上的人脸面部进行区域分割，以获得分割后的截取图像；将所述截取图像输入所述深度学习网络以输出多维度的数字编码向量，令其与数据库中预存的包含有身份信息的人脸面部编码向量进行比对，以得到身份验证结果。本申请能够在卫生安全级别较高、寒冷环境及人脸大面积遮挡的情况下进行身份验证。
-
公开(公告)号：CN113935456A
公开(公告)日：2022-01-14
申请号：CN202111056087.0
申请日：2021-09-09
申请人： 上海新氦类脑智能科技有限公司
摘要： 本发明实施例提供了一种脉冲神经网络层内数据处理方法及设备、处理芯片，涉及数据处理技术领域。脉冲神经网络层内数据处理方法包括：将待处理的音视频信号编码为持续多个脉冲周期的输入脉冲信号；将脉冲神经网络的每一层分为多个网络部分，每个网络部分可映射在处理芯片中；对于脉冲神经网络的每一层，将层所包括的各网络部分依次映射到处理芯片，处理芯片基于多个脉冲周期的输入脉冲信号，得到在各脉冲周期内脉冲神经网络的层的各网络部分的输出脉冲信号。本发明中，在处理芯片无法完成脉冲神经网络一层的映射时，同样能够利用单个处理芯片实现对该脉冲神经网络的流线运算，降低了对处理芯片的算力要求。
-
公开(公告)号：CN113433913A
公开(公告)日：2021-09-24
申请号：CN202110761540.1
申请日：2021-07-06
申请人： 上海新氦类脑智能科技有限公司
IPC分类号： G05B19/418
摘要： 本发明实施例提供了一种系统监测模型生成及监测方法、处理器芯片以及工业系统，涉及监测技术领域。系统监测模型生成方法，包括：基于待监测系统的数据变化模型，构建待监测系统的测量模型与判别模型；根据所述待监测系统的参考历史数据，得到所述测量模型中的测量参数的值；基于所述参考历史数据与所述测量参数的值，得到所述判别模型中的判别参数的值。本发明中，在生成待监测系统的测量模型与判别模型时，对算力要求较低，适用于部署在处理能力较低的处理芯片中，降低了成本，提升了部署效率。
-
公开(公告)号：CN111368981B
公开(公告)日：2021-07-09
申请号：CN202010152787.9
申请日：2020-03-06
申请人： 上海新氦类脑智能科技有限公司
摘要： 本申请提供的一种减小突触连接的存储面积的方法、装置、设备和存储介质，通过获取类脑芯片中包含M个轴突、及N个神经元的一或多个神经元核；将各所述神经元核的第k组M/K个所述轴突映射到第k个所述子核，第k组N/K个所述神经元相应分配至第k个所述子核；k为1至K中任意整数；令各所述子核存储M/K个所述轴突和N/K个所述神经元之间的全连接关系，以实现将各所述神经元核划分为K个所述子核。本申请能减小突触连接的存储面积。随着单个核的面积变小，单块芯片可以集成更多的神经元，并可在包括脉冲神经网络、类脑神经网络在内的多个领域中的应用。
-
-
-
-
-
-
-
-
-
搜索结果
100 条记录 (耗时 0.042 秒)
