【摘 要】
：
人脑作为人类处理各种事务的运行中枢,拥有对现实场景实时反应的能力和高效处理复杂问题的能力。类脑计算希望能够参照生物的大脑结构和神经形态,探索不同且更为智能高效的信息处理模式、大规模计算架构和芯片设计方法等。Spiking神经网络（SNN）作为类脑计算的研究分支,拥有不同于传统人工神经网络的显著特点,那就是它能够处理复杂的时空信息,并且具有低延时、低功率、低复杂度的特性。STDP学习规则是SNN中的
论文部分内容阅读
人脑作为人类处理各种事务的运行中枢,拥有对现实场景实时反应的能力和高效处理复杂问题的能力。类脑计算希望能够参照生物的大脑结构和神经形态,探索不同且更为智能高效的信息处理模式、大规模计算架构和芯片设计方法等。Spiking神经网络（SNN）作为类脑计算的研究分支,拥有不同于传统人工神经网络的显著特点,那就是它能够处理复杂的时空信息,并且具有低延时、低功率、低复杂度的特性。STDP学习规则是SNN中的重要学习规则,它与脑内神经元的突触权重更新方式高度相似,其高仿生特性具有更强的生物学合理性。本文针对基于STDP的SNN模型在细粒度图像上性能欠佳的问题,通过对模型结构的逐层分析,提出一种细粒度图像分类的优化模型,即细粒度脉冲深度神经网络（Fine-grained Spiking Deep Neural Network,FGSDNN）模型。并将该模型运用于具有细粒度特点的医学图像分类任务中。本文的主要工作包括:1.为了改善基于STDP的特征选择的特征倾向性,本文基于生物视觉通路的动态阈值特性,提出了一种基于视觉通路的全局感受野结构。全局感受野结构能够无监督地学习不同类别图像中通用的特征信息,并通过反向抑制过程在脉冲编码阶段实现对脉冲序列的数据增强。具有细粒度特点的图像经过全局感受野结构处理后具有更差异化的特征信息,有利于模型后续的特征提取过程。2.本文提出一种基于脉冲且可快速学习的分阶段卷积层。普通脉冲卷积结构在对细粒度图像进行特征提取时,不同卷积核之间学习到的特征相似程度高,容易干扰对细粒度图像的分类。阶段卷积层改进了卷积层的学习过程,能够实现分阶段地学习,加大了卷积核各个阶段对于不同级别特征敏感度的差异性,整体结构学习到更多的图像信息,从而有效提升卷积结构的特征提取效果。3.结合提出的两种改进结构,提出一种细粒度图像分类的优化模型FGSDNN。在实验阶段将该模型运用于具有细粒度特点的医学MRI图像和CT图像的分类任务上,通过可视化和实验结果的方式对比分析了FGSDNN模型与同类Spiking模型以及基于迁移学习的CNN模型之间的性能表现,应用结果显示优化模型对细粒度图像具有良好的分类效果。
其他文献
海水入侵是指沿海地区由于自然或人为因素导致淡水与海水之间的自然平衡被打破,从而引起淡水-海水界面向内陆移动的现象。海水入侵会造成地下水无法饮用,并造成机井破坏、土地盐渍化、农业减产等诸多问题,从而影响沿海地区社会经济的发展以及当地居民正常生活。本文选择我国北方某沿海地区为研究区,对其开展海水入侵现状、海水入侵动态变化规律以及海水入侵防治的地下水回灌措施三个方面的研究,以期为研究区及我国其他沿海地区
目的 探究青少年特发性脊柱侧凸（adolescent idiopathic scoliosis, AIS）患者躯干冠状面参数与脊柱侧凸Cobb角之间的关系，希望为脊柱侧凸的早期筛查和保守治疗的监测提供一定帮助。方法 选取徐州市康复医院康复工程部收治的青少年特发性脊柱单侧胸右或腰左“C”型弯患者43例，其中胸右弯患者20例，腰左弯患者23例。主要测量数据有脊柱全长X片上的Cobb角和身体外观上椎体棘
每年因外伤、肿瘤造成的骨折和骨缺损患者高达数千万,传统的金属医用材料存在弹性模量高和需二次手术取出等诸多缺点。近年来,研发新型高性能可降解的金属医用材料已成为医学研究领域的热点问题。镁及镁合金具有良好的力学性能,与人体生物相容性好,且在人体内具有可生物降解等优良特性,是一种十分具有潜力的医用植入材料。然而,镁合金在人体生理环境中的腐蚀速率过快,且耐磨蚀性能较差,限制了其应用范围。基于此,本文采用微
柑橘作为我国重要的经济作物之一,在其种植过程中易受到其种植地的气候、地理环境及病菌等影响而萌生各类病虫害,且常发于其叶片部位,故针对柑橘叶片变化进行病虫害的判定是病害防治行之有效的方法之一。同时由于柑橘病虫害具有类间差异小、类内差异大的特点,田间目视解译容易发生误识别,且果园地处偏僻,发生病害时专家无法及时到场给予技术支持,容易耽误果树的最佳诊疗时间。由于深度学习的迅速发展,将其应用于农作物病害识
背景：青少年特发性脊柱侧凸是最常见的脊柱侧凸畸形，占所有脊柱侧凸的80%左右，其发病机制不明，近年来发病率呈明显上升趋势，严重威胁着青少年的身心健康。目的：通过文献计量学方法对近20年来青少年特发性脊柱侧凸的相关文献进行可视化分析，探索该领域的研究热点与趋势，以期为进一步研究提供参考。方法：计算机检索Web of Science核心合集数据库2002-01-01/2021-12-31收录的相关文献
随着科学技术的发展,多旋翼无人机的用途早已不再是作为一种娱乐工具而存在,因其具有快速机动,成本低廉等众多优点,在商业、农业、工业、服务业等领域中已有广泛应用。随着“多旋翼+设备”概念的提出和不断深化,仅仅对多旋翼本身的研究已经不能满足新应用或新需求对技术要求,势必需要不断对技术的革新,才能适应该领域的发展需要。本文以“多旋翼+负载”作为研究方向,以四旋翼飞行器为载体,针对在运输飞行过程中,负载会产
随着信息技术的发展,越来越多的用户加入互联网并发布海量的自创数据,这些用户自创的数据中大多包含了用户的个人情感信息。如何从海量数据中提取出情感信息并加以利用,便是自然语言处理领域的子任务-情感分析的主要研究内容。情感分析任务对于舆情监控、商品推荐、销售决策等领域都有着重要的作用。然而,一个好的深度情感分类模型往往需要大量的带标签样本。而新领域层出不穷,若仅靠人工标注则成本过高,若直接应用现有的分类
装配式钢结构建筑具有工业化程度高,施工周期短、劳动生产率高,抗震性能优越,建筑可利用空间大等优势。在传统装配式钢结构建筑中多采用梁柱栓焊节点,在地震灾害中发现梁柱栓焊节点的梁下翼缘和柱翼缘焊接部位易发生脆性断裂,为提高结构质量,学术界提出了塑性铰外移的节点,将节点的脆性破坏转化为梁的延性破坏,带悬臂梁段梁柱连接节点是实现塑性铰外移的节点形式之一。为提高施工速度、改善结构节点质量,提高节点受力性能,
多智能体系统是一种由环境中进行交互的多个智能体组成的分布式计算系统,可用于解决机器人系统、分布式决策、商业管理和交通控制等各种领域的问题。多智能体强化学习是多智能体系统研究领域中的一个重要分支,它将强化学习、博弈论等理论应用到多智能体系统中,使多个智能体能在动态、高维环境中通过交互、决策完成各种任务。然而,多智能体强化学习算法通常面临几个核心问题:（1）难以在对未知环境进行探索和对现有经验进行利用
随着计算机技术的发展和广泛应用,许多领域的专家学者进入计算社会学,将现代科学技术应用于各种数据的研究中,旨在获得解释人类活动、解决社会问题的新思路、新方法,计算社会学由此获得蓬勃发展。科研活动作为推动社会进步的重要部分,获得了广泛的关注。通过计算机技术、复杂网络理论研究科研活动数据是科学学的重要研究方法。本文选择美国物理学会公开提供的APS数据集的部分数据,包括从1958年到2015年期间6个期刊