一种基于可调节抑制发射的脉冲神经网络的癫痫预测系统

    公开(公告)号:CN119523414A

    公开(公告)日:2025-02-28

    申请号:CN202411507881.6

    申请日:2024-10-28

    Applicant: 南京大学

    Abstract: 本发明涉及癫痫预测技术领域,是一种基于可调节抑制发射的脉冲神经网络的癫痫预测系统,具体包括:数据预处理模块、脉冲神经网络模块、神经网络优化模块、发射模式判断模块和加速器模块;通过数据预处理模块得到可以供给神经网络训练和测试的数据集,然后通过脉冲神经网络模块、神经网络优化模块和发射模式判断模块对脉冲神经网络进行软件优化和硬件优化,最后通过加速器模块实现所述基于可调节抑制发射的脉冲神经网络的癫痫预测系统,本发明解决了现有技术中,脉冲神经网络的计算量庞大,功耗消耗也大导致计算速度慢且无法满足可穿戴设备需求的问题。

    基于二值权重的脉冲神经网络的无监督片上学习系统

    公开(公告)号:CN117077746A

    公开(公告)日:2023-11-17

    申请号:CN202311085861.X

    申请日:2023-08-25

    Applicant: 南京大学

    Abstract: 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。

Patent Agency Ranking