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！

龙图腾网获悉中国科学院微电子研究所申请的专利一种基于分层竞争脉冲神经网络的图像分类方法及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：CN119295810B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411330049.3，技术领域涉及：G06V10/764；该发明授权一种基于分层竞争脉冲神经网络的图像分类方法及系统是由高兴宇;石海龙;张宝斌设计研发完成，并于2024-09-24向国家知识产权局提交的专利申请。

本一种基于分层竞争脉冲神经网络的图像分类方法及系统在说明书摘要公布了：本发明涉及一种基于分层竞争脉冲神经网络的图像分类方法及系统，属于图像分类领域，解决了图像分类时识别准确率低的问题，包括:将预处理后的图像数据输入训练好的SNN网络，得到图像的预测分类标签；其中，对所述SNN网络引入竞争策略，包括：对输入图像数据不同位置的特征图进行排序，实现对特征图的激励或抑制；以及基于敏感度对不同的脉冲神经元进行排序，实现对脉冲神经元的激励或抑制；对所述SNN网络的训练包括：对网络中的各个卷积核分配权重、对各个神经元分配权重；计算得到训练的损失值；进行反向传播，计算得到各个卷积核的权重、各个神经元的权重、激励系数和抑制系数。增强脉冲神经网络的特征表达能力及提高图像识别的准确率。

本发明授权一种基于分层竞争脉冲神经网络的图像分类方法及系统在权利要求书中公布了：1.一种基于分层竞争脉冲神经网络的图像分类方法，其特征在于，包括: 对图像数据进行预处理； 将预处理后的图像数据输入训练好的SNN网络，得到图像的预测分类标签；其中，对所述SNN网络引入竞争策略，包括： 将输入的图像数据经过一个卷积层得到特征图，将所述特征图中每个位置的特征响应进行排序，利用排序结果实现对特征图的激励或抑制，其中，激励或抑制的大小分别由激励系数和抑制系数得到；以及基于敏感度对不同的脉冲神经元进行排序，利用排序结果实现对脉冲神经元的激励或抑制； 对所述SNN网络的训练包括：对SNN网络中的卷积层中的各个卷积核分配权重、对全连接层中的各个神经元分配权重；计算得到SNN网络训练的损失值；利用所述损失值进行反向传播，计算得到各个卷积核的权重、各个神经元的权重、激励系数和抑制系数； 将所述特征图中每个位置的特征响应进行排序，利用排序结果实现对特征图的激励或抑制，包括： 将输入的图像数据经过一个卷积层得到特征图，将所述特征图中每个位置的特征响应按照响应强度分成三类，其中：利用第一映射函数，对响应最强的k1个特征基于激励系数给予正向激励，对响应排序在k1之后并且响应值在0以上的特征基于抑制系数进行抑制，将响应小于0的特征置0； 利用下式实现所述将所述特征图中每个位置的特征响应进行排序，利用排序结果实现对特征图的激励或抑制： ； 其中，t表示SNN网络中的时间步，n表示经过所述卷积层提取特征后得到的第个特征图，第一映射函数所述第n个特征图中位置的特征值映射后的值，表示所述第个特征图中位置的特征响应，表示经过所述卷积层得到的所有特征图中位置的特征响应排序第的值，其中，所述排序按照特征值从大到小的顺序排列；和是超参数，分别表示激励系数和抑制系数； 基于敏感度对不同的脉冲神经元进行排序，利用排序结果实现对脉冲神经元的激励或抑制，包括： 利用第二映射函数，将对输入信息最敏感的k2个脉冲神经元保留原始响应，将对输入信息敏感度排序在k2之后并且敏感度在0以上的脉冲神经元抑制响应，将对输入信息无响应的脉冲神经元置0； 利用下式实现所述基于敏感度对不同的脉冲神经元进行排序，利用排序结果实现对脉冲神经元的激励或抑制： ； 其中，t表示SNN网络中的时间步，第二映射函数表示第个脉冲神经元经过映射后输出的响应值，表示第个脉冲神经元的输出响应值，表示将全连接层各个脉冲神经元响应值从大到小排序得到的第个响应值。

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中国科学院微电子研究所，其通讯地址为：100029 北京市朝阳区北土城西路3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”。

以上内容由龙图腾AI智能生成。