本发明公开了一种基于土层量化和神经网络的桩土耦合损失预测方法。首先通过参数化有限元‑无限元耦合数值模拟,提取桩土耦合损失量化指标—传递函数振幅比;接着引入logistic函数或双logistic函数并结合土层深度‑土层剪切波速归一化坐标系,用logistic函数或双logistic函数中的参数来表征土层分布特征参数;然后构建神经网络模型,以桩体参数、荷载参数、特征频率点和土层分布特征参数作为输入,以传递函数振幅比作为输出目标进行训练;最终通过训练好的模型实现桩土耦合损失的快速准确预测。本发明创新性地实现了对复杂土层空间分布的有效量化,解决了传统方法在桩土动力耦合损失预测中精度不足、效率低下的问题。
📄 2025117126039
📂 G06F30_23
👤 广东工业大学
📅 2025-11-20
本申请属于忆阻器技术领域,提供了一种基于忆阻模糊神经网络的PID参数自适应调节系统,利用忆阻器单元阻值可变特性,通过构建相应物理映射关系,直接在模拟域完成隶属度函数的交运算与激活强度计算,突破传统数字计算的时序瓶颈。
📄 2025113879528
📂 G06N3_043
👤 湖北大学
📅 2025-09-26
本发明公开了一种基于轻量级神经网络的硬件木马检测与恢复系统,包括RISC‑V处理器,硬件木马检测装置以及恢复装置;RISC‑V处理器包括:取指单元、译码单元、执行单元、通用目的寄存器组;取指单元、译码单元和执行单元构成三级流水线架构;硬件木马检测装置用于记录每条RISC‑V指令在RISC‑V处理器上的执行路径和时序特征,并基于时序特征利用构建的轻量级神经网络对相应的执行路径进行硬件木马检测;恢复装置用于对通用目的寄存器组的存储信息进行实时备份,并在检测出硬件木马时,将RISC‑V处理器恢复至正常状态。本发明提出的硬件木马检测与恢复系统,可靠性与灵活性更高,速度更快,功耗更低。
📄 202510126306X
📂 G06F21_56
👤 暨南大学
📅 2025-01-27
本发明公开了一种基于RISC‑V的神经网络扩展执行计算机系统,包括:基于乱序执行体系结构的RISC‑V处理器、神经网络硬件加速器、指令存储器、数据存储器和动态调度器;动态调度器用于根据当前计算负载,为计算机系统切换不同的工作模式,将待执行的计算任务分配给RISC‑V处理器或神经网络硬件加速器执行;所述工作模式包括:标准计算模式、神经网络加速模式和低功耗模式;所述计算任务包括通用计算任务和神经网络计算任务。通过上述技术方案,本发明提高了计算机系统的智能性,并在计算效率、资源消耗与功耗之间实现了较好平衡。
📄 2025100971757
📂 G06N3_063
👤 暨南大学
📅 2025-01-22
本发明涉及一种基于脉冲神经网络的神经形态计算系统及计算方法,所述系统包括:神经形态处理器,用于采用若干个物理神经元构建硬件化的脉冲神经网络,对实时输入图像进行脉冲编码和目标识别;基于RISC‑V指令架构实现的中央处理器,用于执行构建脉冲神经网络所需的控制指令;神经形态处理器还用于在控制指令的控制下对脉冲神经网络进行在线学习;存储器,用于存储中央处理器运行所需的程序指令以及中央处理器与神经形态处理器之间传输的数据。本发明还提供了一种神经形态计算方法。本发明提出的神经形态计算技术方案实现了在精度、计算速度、能效三者之间的高度平衡,可以准确、高效、低功耗地处理动态和复杂的任务数据。
📄 202510066018X
📂 G06N3_063
👤 暨南大学
📅 2025-01-16
本发明提供一种基于不完全指定函数的神经网络硬件实现方法及系统,该方法包括:对神经网络的输入数据及权值进行量化,并获取非零权值的位置索引;遍历训练集,基于不完全指定函数根据所述非零权值的位置索引获取与所述非零权值有关的多个数据集合;基于所述多个数据集合进行逻辑最小化,生成基于不完全指定函数的布尔逻辑表达式,根据所述布尔逻辑表达式的立方体以及所述布尔逻辑表达式中的逻辑变量,确定闪存逻辑阵列规模及内部端口连线;根据闪存逻辑阵列规模及内部端口连线构建闪存逻辑阵列,并构建所述闪存逻辑阵列的外围电路,所述外围电路主要用于对所述闪存逻辑阵列的输出数据进行处理。本发明降低神经网络硬件实现过程中的功耗和延时。
📄 2024115214628
📂 G06N3_0464
👤 湖北大学
📅 2024-10-29
本发明通过权重冻结搭建忆阻器阵列,尤其适用于RRAM共享阵列,我们增强了多个独立神经网络模型之间的关联性,并将传统方案中需要单独设计的卷积模块扩展为共享设计。这意味着一个RRAM权重阵列可以参与多个任务的计算,从而提高了神经网络加速器架构的资源利用率,从而实现在存内计算架构中搭建存内计算共享模块,这不仅能优化硬件资源配置,还能降低设计成本,从而为部署多个神经网络模型进行多任务处理提供了一个更为高效和经济的方案。
📄 2024112244975
📂 G06N3_063
👤 湖北大学
📅 2024-09-03
本发明涉及汽车安全驾驶技术领域,特别是涉及基于轻量级神经网络图像增强的驾驶疲劳检测方法与系统,方法包括:实时采集驾驶舱内驾驶人的动态图像,对动态图像进行增强处理;通过轻量化快速人脸检测器捕捉增强处理后的动态图像中驾驶人的人脸图像流;将人脸图像流输入预设的人脸关键特征点提取网络模型中,提取人脸图像流的每一帧图像的人脸关键特征点,其中,人脸关键特征点提取网络模型通过构建并训练重参数化轻量级卷积网络获得;基于人脸关键特征点判断驾驶人是否存在面部疲劳特征,在检测出存在面部疲劳特征时确定驾驶人存在疲劳驾驶。本发明能够实时、高效、低功耗、安全地处理数据图像数据并分析,及时对驾驶人的状态进行预警。
📄 2024102107187
📂 G06V20_59
👤 暨南大学
📅 2024-02-27
本发明涉及基于自组织竞争型神经网络的水声被动定位方法,包括以下:获取定位区域的相关参数;确定所述相关参数的输入方式,之后采用线性归一化的方法处理所述相关参数以构造神经元;基于构造的神经元矢量生成初始的神经元扰动群组;将初始的神经元扰动群组作为训练数据集,通过SOM算法进行训练生成神经元拓扑结构;构造残缺神经元,所述残缺神经元不包括声源位置参数;将残缺神经元与神经元拓扑结构上的每一个神经元进行依次比较,并找寻出神经元拓扑结构上与所述残缺神经元最匹配的神经元;以最匹配的所述神经元所对应的声源位置参数作为定位结果。本发明能够在设备布防相对简单和计算量较低的情况下,提供较高精度和可靠性的目标定位结果。
📄 2023111437124
📂 G06N3_088
👤 广东海洋大学
📅 2023-09-06
本发明涉及手势识别技术领域,提出一种基于轻量级神经网络的手语识别方法、系统及手套,包括以下步骤:以预设的采样周期采集手语动作数据;对采集的手语动作数据进行有效数据判断,得到有效的手语动作数据;将所述有效的手语动作数据输入轻量级神经网络进行手语识别,得到手语识别结果;其中,所述轻量级神经网络包括采用非对称并行卷积结构的浅层卷积神经网络,或基于遗传算法对平滑因子进行寻优的PNN神经网络。本发明通过对采集的手语动作数据进行有效数据判断,用于过滤冗余信息或无效信息,以降低手语识别的计算量;同时选用轻量级神经网络用于手语识别,能够有效缩短手语识别时延,以满足实时手语识别任务的需要。
📄 2023104899326
📂 G06F3_01
👤 暨南大学
📅 2023-04-28
本发明公开了一种基于卷积神经网络的视盘分割方法,其特征在于,包括如下步骤:1)定义TU‑Net网络;2)搭建U‑Net网络;3)依据输出的标注图像对视盘进行定位;4)对图像进行预处理;5)构建AU‑Net网络;6)设置训练策略;7)设置损失函数;8)训练网络和更新参数;9)将输出的图像进行图像后处理;10)设置评价标准。这种方法实现简单,普适性强,可以减少眼底图像噪声影响。
📄 2022110841811
📂 G06V10_26
👤 桂林电子科技大学
📅 2022-09-06
本发明涉及数据处理技术领域,具体涉及一种基于自编码神经网络的图像重建方法及系统。该方法包括:自编码卷积神经网络采用联合损失函数进行训练;获取初始图像,将所述初始图像输入自编码卷积神经网络,输出重构图像;根据所述初始图像、所述重构图像分别进行频域变换,得到初始频域图像、重构频域图像;根据所述初始频域图像、所述重构频域图像计算获取加权频域损失;获取加权空间频率损失、空域损失;以所述加权频域损失、所述加权空间频率损失、所述空域损失作为所述联合损失函数。该方法使得自编码神经网络更加关注高频成分的重构精度,可以让网络更有效的学习图像中主体的轮廓与细节信息,避免重建图像模糊,提高重建图像的精度。
📄 2023114760979
📂 G06T7_13
👤 常州中讯新动科技产业发展有限公司
📅 2023-11-08