-
公开(公告)号：CN117666592A
公开(公告)日：2024-03-08
申请号：CN202311707059.X
申请日：2023-12-13
摘要： 本发明涉及一种群体机器人避障方法、装置及介质，其中方法包括：初始化仿真环境、机器人位姿与导航点，设计机器人的奖励函数；利用多机器人模型训练方法对脉冲神经网络强化学习模型进行训练，其中，脉冲神经网络强化学习模型包括SNN导航模型和评价网络，SNN导航模型的输入为机器人状态信息，输出为机器人控制的速度指令，评价网络用于指导SNN导航模型训练；基于训练完成的SNN导航模型，根据每一个机器人所获取的状态信息推理当前时刻的速度指令，群体移动机器人根据对应的速度指令协同完成导航任务。与现有技术相比，本发明可以在不预先输入机器人间相互位置关系的情况下，使得多个机器人能够自主的找到时间效率高且无碰撞的导航路径。
-
公开(公告)号：CN114429491B
公开(公告)日：2022-07-08
申请号：CN202210357273.6
申请日：2022-04-07
摘要： 本发明属于目标跟踪领域，具体涉及一种基于事件相机的脉冲神经网络目标跟踪方法和系统，该方法包括通过事件相机获取目标高动态场景中的异步事件数据流；将异步事件数据流划分为毫秒级时间分辨率的事件帧图像；以目标图像为模板图像，以完整图像作为搜索图像，训练基于脉冲神经网络的孪生网络，该网络包括特征提取器以及计互相关计算器，图像经过特征提取器提取特征映射后，再利用互相关计算器计算出特征映射的结果；使用训练好的网络，将特征映射的结果进行插值上采样，获得目标在原图中的位置，实现目标跟踪。本发明降低了图像数据的传输延迟与目标跟踪算法的计算延迟，提高了目标跟踪在高动态场景下的精度。
-
公开(公告)号：CN116295415A
公开(公告)日：2023-06-23
申请号：CN202310216334.1
申请日：2023-03-02
IPC分类号： G01C21/20 , G01C21/00 , G01C21/16 , G01S17/86 , G06N3/048 , G06N3/049 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/092
摘要： 一种基于脉冲神经网络强化学习的无地图迷宫导航方法，采用一种由里程计标记的路径栅格地图数据，雷达信息，机器人状态与目标点信息作为输入；机器人坐标系中建立路径网格地图，根据机器人里程计中路径位置更新路径标记的栅格地图，栅格地图信息将作为机器人的状态输入；由脉冲神经网络直接输出的脉冲发放率作为差速移动机器人的左右轮控制信号，完成移动机器人在迷宫等复杂地图中的自主导航。本发明还包括一种基于脉冲神经网络强化学习的无地图迷宫导航控制系统。本发明能在不建立地图的情况下直接完成小车导航任务，并且借助于里程计标记的路径栅格地图可完成小车在迷宫中的自主搜索导航路径任务。
-
公开(公告)号：CN114429491A
公开(公告)日：2022-05-03
申请号：CN202210357273.6
申请日：2022-04-07
摘要： 本发明属于目标跟踪领域，具体涉及一种基于事件相机的脉冲神经网络目标跟踪方法和系统，该方法包括通过事件相机获取目标高动态场景中的异步事件数据流；将异步事件数据流划分为毫秒级时间分辨率的事件帧图像；以目标图像为模板图像，以完整图像作为搜索图像，训练基于脉冲神经网络的孪生网络，该网络包括特征提取器以及计互相关计算器，图像经过特征提取器提取特征映射后，再利用互相关计算器计算出特征映射的结果；使用训练好的网络，将特征映射的结果进行插值上采样，获得目标在原图中的位置，实现目标跟踪。本发明降低了图像数据的传输延迟与目标跟踪算法的计算延迟，提高了目标跟踪在高动态场景下的精度。
-
公开(公告)号：CN116259310A
公开(公告)日：2023-06-13
申请号：CN202310110811.6
申请日：2023-01-16
摘要： 一种面向硬件的深度脉冲神经网络语音识别方法，包括：获取开源语音数据集；对语音数据集进行预处理，从高维语音数据中获得低维语音特征，并将其编码为脉冲序列；构建深度脉冲神经网络模型，模型中各神经元均采用硬件友好的集成点火模型；构造损失函数，采用梯度替代的时空反传算法更新网络权值，在训练数据集上对深度脉冲神经网络模型进行训练，并保存更新后的网络权值；将浮点权值量化为定点权值，深度脉冲神经网络模型加载量化后的定点权值，对测试数据集进行识别，得到预测的分类标签，实现面向硬件的深度脉冲神经网络模型的语音识别。本发明还包括一种面向硬件的深度脉冲神经网络语音识别系统本发明降低了识别功耗，保持了近似的识别准确率。
-
公开(公告)号：CN113935475A
公开(公告)日：2022-01-14
申请号：CN202111538288.4
申请日：2021-12-16
摘要： 本发明公开了具有脉冲时刻偏移量的脉冲神经网络的仿真与训练方法，包括以下步骤：离散化的逐时间步更新神经元状态量，预估时间步范围内的是否产生脉冲发放及其时刻偏移量，根据突触连接计算下时刻的脉冲输入，重复此过程完成网络仿真；根据仿真结果延神经元状态量、脉冲发放量和时刻偏移量反传梯度误差，进行网络参数更新。本发明减小了脉冲神经网络逐时间步仿真计算中的误差，在同等精度条件下提高了仿真效率。同时，在误差反传算法中通过脉冲发放量和时刻偏移量两个维度传递脉冲误差，提高了训练的效率。
-
公开(公告)号：CN117685980A
公开(公告)日：2024-03-12
申请号：CN202311713952.3
申请日：2023-12-13
IPC分类号： G01C21/20
摘要： 本发明涉及一种室内机器人多相机定位方法、系统及介质，其中方法包括以下步骤：获取图像采集装置采集的图像并依据场景需求进行图像处理；根据处理后的目标图像，对目标机器人轮廓及关键点进行标注与连接，并基于关键点检测模型，使用标注的关键点信息提取目标框，根据目标框输出当前图像中机器人及其关键点位置；依据目标框和关键点位置信息，通过坐标系的转换，计算世界坐标系下机器人的位置信息；基于世界坐标系下机器人的关键点位置信息，使用欧拉角计算偏航角，输出机器人的头朝向；利用卡尔曼滤波预测关键点位置和头朝向，实现室内多个运动机器人的精准定位。与现有技术相比，本发明具有目标识别准确率高、实时性和可靠性好等优点。
-
公开(公告)号：CN114638360A
公开(公告)日：2022-06-17
申请号：CN202210541154.6
申请日：2022-05-19
摘要： 本发明公开了一种用于脉冲神经网络学习与仿真的计算平台及方法，计算平台包括脉冲神经网络的构建与学习的功能以及神经元动力学仿真模拟的功能，能够按时间驱动的神经元模拟与权重更新，可以按照所设定的时间步长对神经元的状态进行不断的迭代更新，并根据所设算法进行连接权重更新以实现网络的学习功能，还能够帮助用户快速实现网络构建，并对网络结果可视化，平台基于Python开发，可部署于支持Python的任何操作系统终端上，用户可以以Python语言进行后续使用与开发。
-
公开(公告)号：CN114118383A
公开(公告)日：2022-03-01
申请号：CN202111497073.2
申请日：2021-12-09
摘要： 本发明提出了一种基于多突触可塑性脉冲神经网络快速记忆编码方法，包括：步骤一：基于层级编码策略将外部刺激转换为输入脉冲序列；步骤二：脉冲神经网络收到输入脉冲后，基于改进的SRM模型更新输出层神经元的膜电位；步骤三：使用监督群体Tempotron更新输入到输出层间的突触权值，激活输出层神经元记忆输入；步骤四：输出层神经元激活后，使用无监督STDP更新层内激活神经元间的突触权值，形成增强的循环子网络存储记忆；步骤五：在执行步骤四的同时，使用无监督抑制突触可塑性，更新抑制层到输出层间的突触权值，抑制反馈保障记忆不同输入的神经群体发放时间上的分离。本发明还提出了一种基于多突触可塑性脉冲神经网络快速记忆编码装置。本发明有效地提升了记忆的编码速度与稳定性。
-
公开(公告)号：CN114118378A
公开(公告)日：2022-03-01
申请号：CN202111456234.3
申请日：2021-12-02
摘要： 本发明属于脉冲神经网络技术领域，涉及一种基于阈值自适应神经元的硬件友好STDP学习方法和系统，该方法包括以下步骤：S1：采用频率编码将输入图片编码成脉冲序列并输入脉冲神经网络SNN；S2：SNN的兴奋层神经元接收输入脉冲，累积膜电位，当膜电压达到阈值时，发放脉冲且膜电位复位；S3：SNN抑制层与兴奋层神经元一对一连接，接收其输出脉冲并抑制兴奋层神经元；S4：根据STDP学习规则并采用硬件友好权重归一化方法，对输入层和兴奋层间的兴奋性突触权重进行更新；S5：学习完成后，利用兴奋层神经元的脉冲输出序列进行图像识别。本发明能够在保证准确率和稳定性的同时，降低算法在硬件实现的资源消耗。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.029 秒)
