买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利一种低延时低功耗脉冲神经网络转换方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115936070B 。

龙图腾网通过国家知识产权局官网在2025-09-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211632517.3，技术领域涉及：G06N3/0464；该发明授权一种低延时低功耗脉冲神经网络转换方法是由吴益飞;秦晓玲;郭健;李胜;陈庆伟;庄艳设计研发完成，并于2022-12-19向国家知识产权局提交的专利申请。

本一种低延时低功耗脉冲神经网络转换方法在说明书摘要公布了：本申请提供一种低延时低功耗脉冲神经网络转换方法，包括：搭建适合进行转换的卷积神经网络，其中激活函数采用有限软阶梯激活函数替代，并采用反向传播算法对网络的权值进行训练；通过训练集图像对权重进行归一化；构建软重置IF神经元模型；构建基于事件驱动的最大池化层；采用神经元模型与最大池化层搭建与原ANN结构一致的脉冲神经网络，复用原ANN训练得到的权重参数；对输入进行重复编码，经过第一卷积层计算输出的幅值输入上述替换后的神经元，输出指定时间步的脉冲序列，将脉冲序列输入网络中得到分类结果。本申请提高网络的转换精度，降低了模型转换的精度损失。

本发明授权一种低延时低功耗脉冲神经网络转换方法在权利要求书中公布了：1.一种低延时低功耗脉冲神经网络转换方法，其特征在于，所述方法包括： 步骤1，搭建适合进行转换的卷积神经网络，其中激活函数采用有限软阶梯激活函数替代，并采用反向传播算法对网络的权值进行训练； 步骤2，通过训练集图像对权重进行归一化； 步骤3，构建软重置IF神经元模型； 步骤4，构建基于事件驱动的最大池化层； 步骤5，采用神经元模型与最大池化层搭建与原ANN结构一致的脉冲神经网络，复用原ANN训练得到的权重参数； 步骤6，对输入进行重复编码，经过第一卷积层计算输出的幅值输入上述替换后的神经元，输出指定时间步的脉冲序列，将脉冲序列输入网络中得到分类结果； 卷积神经网络包括： 若干个卷积层、最大池化层与全连接层；所有层偏置均为0；特征提取部分网络顺序为卷积、ReLU、池化；训练过程中关闭bias的梯度使能；其中激活函数采用有限软阶梯激活函数替代，激活函数的特征公式为： 其中，ain与aout分别是激活函数的输入与输出；alimit为激活函数的输出上限值；K为量化系数；w控制相邻阶梯间的爬升坡度，通过n调整w的值，当w较大时，坡度较陡，上升较快，量化精度较高，在不影响训练的情况下，n取尽量大的值；c与量化精度有关，训练时随alimit变化而变化；bi为曲线的拐点对应的输入激活值，曲线的拐点个数与K有关。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。