Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京大学傅玉祥获国家专利权

南京大学傅玉祥获国家专利权

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!

龙图腾网获悉南京大学申请的专利基于二值权重的脉冲神经网络的无监督片上学习系统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:CN117077746B

龙图腾网通过国家知识产权局官网在2025-08-05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:202311085861.X,技术领域涉及:G06N3/063;该发明授权基于二值权重的脉冲神经网络的无监督片上学习系统是由傅玉祥;孙从怡;李丽;陈铠;何书专;李伟设计研发完成,并于2023-08-25向国家知识产权局提交的专利申请。

基于二值权重的脉冲神经网络的无监督片上学习系统在说明书摘要公布了:本发明提供了一种基于二值权重的脉冲神经网络的无监督片上学习系统,包括编码及排序模块,计算模块,求最小值模块,和二值权重更新模块。编码及排序模块将输入数据进行编码并进行升序排列;计算模块计算输出神经元是否产生脉冲,并产生状态向量和索引向量用于神经元选择模块和二值权重更新模块;神经元选择模块选中发射脉冲时间最早的神经元;二值权重更新模块基于二值权重更新规则对选中的神经元的二值权重进行更新。本方法的初始权重,以及在训练及推理时使用的权重均为二值权重(0,1),大大减小了对于硬件中存储的需求,且二值权重无需使用乘法器,能够实现在硬件上进行低面积、低功耗的片上训练。

本发明授权基于二值权重的脉冲神经网络的无监督片上学习系统在权利要求书中公布了:1.基于二值权重的脉冲神经网络的无监督片上学习系统,其特征在于,片上学习系统包括: 编码及排序模块,将输入的数据进行编码并进行升序排列; 计算模块,将所述数据及相应的突触权重计算输出神经元的脉冲时间,若输出神经元的脉冲时间小于下次的输入数据,则判断为神经元激发,并停止计算过程; 神经元选择模块,找出所有输出神经元中输出脉冲时间最早的神经元,并得到其索引; 二值权重更新模块,对输出脉冲时间最早的神经元根据二值权重更新规则更新其权重; 所述编码及排序过程为: 对于归一化至[0,1]区间的输入数据,对任一输入数据x,将其编码为21-x;将编码后的输入数据进行升序排列,并将输入数据对应的索引也按照输入数据的顺序进行排列; 计算模块计算过程为: 每次同时计算K个输出神经元的输出脉冲时间,当所有输出神经元的输出脉冲时间都计算完成后,若有输出神经元的输出脉冲时间小于下次的输入数据,即有神经元激发,则结束计算过程,否则继续计算; 所述选择神经元模块计算过程如下: 判断状态向量Index1是否为0:若为0,则比较所有输出神经元的输出脉冲时间,找出输出脉冲时间最小的神经元,得到其索引;若不为0,则只比较Index1中对应位置的数为1的神经元的输出脉冲时间,找出输出脉冲时间最小的神经元,得到其索引; 所述二值权重更新规则为: 将被选中的神经元的二值权重Wold和索引向量Index0相加,得到更新向量Flag;二值权重更新规则为: ; 其中rand和rand1为随机整数;η为预先设定的整数,控制权重的学习率;θ为预先设定的整数;更新规则无需比较输出脉冲时间和输入数据之间的大小;学习过程中,权重被初始化为二值权重0和1,通过二值权重更新规则,将权重更新为二值权重。

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大学,其通讯地址为:211100 江苏省南京市栖霞区仙林大道163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”。

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。