Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

GACM-SNN系统及其图片识别训练方法 

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!

申请/专利权人:西南大学

摘要:本发明公开了一种GACM‑SNN系统及其图片识别训练方法,GACM‑SNN系统,包括SNN系统,所述SNN系统设置有编码层、脉冲卷积层、全连接层,所述编码层由直接编码模块和门控注意模块GACM组成。有益效果:在SNN中引入门控注意模块GACM,该门控注意模块GACM能够调整在不同时刻和空间位置的注意力分配,增强SNN理解时间数据的能力和减少SNN编码层的量化误差和信息损失,提高编码信息的保真度,有效改进在静态和神经形态数据集上对SNN的训练,更好地表示和理解复杂的时空信息,解决直接编码的局限性,并提高SNN的信息处理能力。

主权项:1.一种GACM-SNN系统,包括SNN系统,所述SNN系统设置有编码层、脉冲卷积层、全连接层,其特征在于,所述编码层由直接编码模块和门控注意模块GACM组成,该门控注意模块GACM设置有LIF神经元、膜电位调制器、时空通道注意力模块和门控混合模块;所述直接编码模块的输出端与所述LIF神经元的充放电突触组合相连;该充放电突触组合连接门控混合模块的第一输入端,所述充放电突触组合还连接有所述膜电位调制器;所述直接编码模块的输出端还连接所述时空通道注意力模块的输入端,时空通道注意力模块的输出端连接门控混合模块的第二输入端;所述门控混合模块的输出端连接脉冲卷积层输入端,所述脉冲卷积层输出端连接所述全连接层的输入端。

全文数据:

权利要求:

百度查询: 西南大学 GACM-SNN系统及其图片识别训练方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。