-
公开(公告)号：CN116050473A
公开(公告)日：2023-05-02
申请号：CN202211436161.6
申请日：2022-11-16
申请人： 武汉大学
IPC分类号： G06N3/0464 , G06F17/16 , G06N3/08
摘要： 本发明涉及一种基于原子邻域图表示的参数化哈密顿量构造方法，包括步骤：根据材料的晶体结构信息构建晶体图，所述晶体图的每个结点代表晶胞中对应的原子及其所有周期性的镜像；基于由多个图卷积层组成的图神经网络更新所述结点的特征向量，以使结点的输出特征向量包含原子局部化学环境表示；基于多层感知机模型从所述输出特征向量学习并获取对应材料的参数化哈密顿矩阵元。可解决机器学习方法拟合得到的哈密顿量不能保证体系实空间对称性和网络模型的泛用性差等问题，并且同时兼顾高效率和高精度的优点。
-
公开(公告)号：CN107092959B
公开(公告)日：2020-04-10
申请号：CN201710222912.7
申请日：2017-04-07
申请人： 武汉大学
摘要： 本发明公开了一种基于STDP非监督学习算法的硬件友好型脉冲神经网络模型构建方法，所述脉冲神经网络模型是一种多突触延时的前向反馈神经网络模型，每层神经元分别通过若干条突触与其它层神经元互连，而每层内部神经元相互独立。本发明完全依赖数字硬件电路平台进行脉冲神经网络的模型设计，并且创新性的将STDP非监督学习算法用于该脉冲神经网络模型的学习训练中，能够实现特定功能。该硬件平台脉冲神经网络模型具有较高的稳定性，能够在占用较少硬件资源的条件下拥有较快的速度，加上网络结构并行连接的特点，其拓展性也大大提高，对于实现超大规模的脉冲神经网络也提供了新的思路。
-
-
公开(公告)号：CN112686310B
公开(公告)日：2022-08-16
申请号：CN202011609755.3
申请日：2020-12-30
申请人： 武汉大学
摘要： 本发明公开了一种基于锚框的目标检测算法中先验框设计方法，所述方法是一种基于训练集样本目标标记框面积聚类算法的先验框设计方法，整体上进行两轮聚类算法计算，第一轮聚类计算得到先验框的面积超参数，并以此结果进行第二轮聚类确定先验框的长宽比超参数，进而完成先验框部署。本发明充分考虑目标检测算法在实际应用场景中会遇到的特定数据不平衡问题，即数据集中小目标样本数比大目标样本数多一个数量级或以上，创新性地使用基于标记框面积的聚类算法，用大目标面积数值大的特点平衡其样本数量偏少的缺陷，进而得到更适合存在大小目标场景下的先验框超参数，并且能够降低神经网络模型的训练难度，加快训练流程，得到效果更好的目标检测模型。
-
公开(公告)号：CN112686310A
公开(公告)日：2021-04-20
申请号：CN202011609755.3
申请日：2020-12-30
申请人： 武汉大学
摘要： 本发明公开了一种基于锚框的目标检测算法中先验框设计方法，所述方法是一种基于训练集样本目标标记框面积聚类算法的先验框设计方法，整体上进行两轮聚类算法计算，第一轮聚类计算得到先验框的面积超参数，并以此结果进行第二轮聚类确定先验框的长宽比超参数，进而完成先验框部署。本发明充分考虑目标检测算法在实际应用场景中会遇到的特定数据不平衡问题，即数据集中小目标样本数比大目标样本数多一个数量级或以上，创新性地使用基于标记框面积的聚类算法，用大目标面积数值大的特点平衡其样本数量偏少的缺陷，进而得到更适合存在大小目标场景下的先验框超参数，并且能够降低神经网络模型的训练难度，加快训练流程，得到效果更好的目标检测模型。
-
公开(公告)号：CN107092959A
公开(公告)日：2017-08-25
申请号：CN201710222912.7
申请日：2017-04-07
申请人： 武汉大学
摘要： 本发明公开了一种基于STDP非监督学习算法的硬件友好型脉冲神经网络模型，所述脉冲神经网络模型是一种多突触延时的前向反馈神经网络模型，每层神经元分别通过若干条突触与其它层神经元互连，而每层内部神经元相互独立。本发明完全依赖数字硬件电路平台进行脉冲神经网络的模型设计，并且创新性的将STDP非监督学习算法用于该脉冲神经网络模型的学习训练中，能够实现特定功能。该硬件平台脉冲神经网络模型具有较高的稳定性，能够在占用较少硬件资源的条件下拥有较快的速度，加上网络结构并行连接的特点，其拓展性也大大提高，对于实现超大规模的脉冲神经网络也提供了新的思路。
-
-
公开(公告)号：CN104268587B
公开(公告)日：2017-05-24
申请号：CN201410566885.1
申请日：2014-10-22
申请人： 武汉大学
摘要： 本发明公开了一种基于指波变换和SVM的假指纹检测方法，包括以下步骤：1：采集真、假指纹图像；2：对采集的真、假指纹图像进行指波变换；3：提取采集的指纹图像的指波变换参数作为特征向量；4：对所提取的特征向量进行归一化处理；5：对归一化的特征向量进行支持向量机训练得到基于支持向量机（SVM）的分类器；步骤6：对归一化的待检测指纹的特征向量，使用步骤5中得到的SVM分类模型进行分类，得到“真”或“假”的SVM分类结果。本发明将指纹图像通过指波变换后提取特征向量，输入到支持向量机SVM中进行分类，在不改变指纹采集仪硬件的条件下，能够很好的区分真假指纹。实验结果表明本发明准确率高，拒真率和认假率低，且成本低，实用性好。
-
-
公开(公告)号：CN104882484A
公开(公告)日：2015-09-02
申请号：CN201510257549.3
申请日：2015-05-19
申请人： 武汉大学
CPC分类号： H01L29/78 , H01L29/06 , H01L29/1041
摘要： 本发明属于半导体集成电路领域，具体涉及一种沟道势垒高度控制的隧穿场效应器件。其中心为沟道，沟道两端为导电类型不同的源端和漏端，源端与沟道之间形成隧穿结，所述沟道采用三段或三段以上的势垒区组成，其中中间段的势垒区的能带高于沟道中靠近漏端和源端的能带；还有栅氧层全覆盖沟道，栅氧层又被栅电极全覆盖。该器件的沟道部分采用不同掺杂浓度或类型的材料，在沟道中形成三段或更多段的势垒结构。本发明的仿真研究结果表明，该结构的沟道势垒高度控制的隧穿器件结构能够有效减小器件关态泄露电流，降低亚阈值斜率，抑制短沟道效应和漏致势垒降低效应，同时保持良好的跨导特性，从而实现器件的性能综合优化。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.021 秒)
