基于类脑仿生的环境感知技术

针对机器人即时定位与地图构建(SLAM)领域环境感知中场景图像表征难的问题,仿照人脑视觉系统感知环境的过程,提出了一种类脑仿生的环境感知方法,将场景图像压缩成视觉模板以表征场景。首先模拟大脑先验知识,利用尺度不变特征变换(SIFT)算法提取通用场景数据集中图像的特征,并通过K均值聚类(K-Means)算法来构建视觉特征库,然后模拟视觉注意机制,提取目标场景图像的SIFT特征并将其与视觉特征库进行匹配,完成场景表征。最后通过实验验证了方法的可信性。

有机电化学类脑仿生电子器件研究进展

类脑计算被普遍认为是一种可以实现高算力、低功耗的全新计算范式,有望突破传统“冯·诺伊曼”架构瓶颈.近年来,受人脑独特工作模式的启发,利用新型器件构建具备存算一体功能的类脑器件获得了广泛关注.从底层出发研制具有生物突触行为的神经突触器件对于研制超低功耗“类脑芯片”和实现神经形态感知系统意义十分重大.其中,有机电化学晶体管(OECTs)作为人工突触研究中的一个新分支,因其具有更高的跨导、低驱动电压、良好的机械柔韧性和生物相容性而得到了广泛研究.在结构上,OECTs沟道与电解质直接接触,通过离子掺杂/脱掺杂的方式调节沟道电导,工作原理类似于生物系统的离子驱动过程和动力学.因此,利用OECTs开发多感知和生物兼容的类脑仿生系统是一种可行的方案.本文综述了有机电化学类脑仿生电子器件的研究进展,并且探讨了该领域目前存在的挑战和发展趋势.

长绒棉棉铃成熟度仿生类脑分类方法研究

快速准确识别长绒棉棉铃成熟的不同阶段,对长绒棉种植的智能化、装备化管理具有重要意义。针对现有方法在长绒棉棉铃成熟度分类辨识易受复杂棉田背景、阴影、强光和叶片遮挡等因素影响识别率低的问题,提出将模拟生物视觉皮层的信息处理机制与HMAX模型融合的类脑分类方法,实现大田环境下棉铃不同成熟度的快速、高效识别。首先,采用相机获取长绒棉不同成熟阶段的图像信息,以花铃期、裂铃期、吐絮期、停止生长期4个生长阶段为对象,构建中小样本的棉铃数据集;其次,模拟视网膜神经节细胞的信息处理机制以提升HMAX模型的检测速度与精度,提出基于改进HMAX模型的类脑识别算法;最后,为探究各模型在非清晰数据集上的表现,采用高斯模糊方法将测试集转换6次,以HMAX、HHMAX、SHMAX作为对比,评估改进HMAX模型性能。试验结果表明,在原始数据集下,改进HMAX模型的总体准确率为95.3%,相比于HMAX、HHMAX、SHMAX模型分别高出15.1、9.2和6个百分点;在错误分类中,由于吐絮期和停止生长期特征相似,造成错误识别的概率最大;在非清晰数据集下,HMAX、HHMAX以及SHMAX退化指数分别为8.21%、7.935%和11.21%,改进HMAX模型总体退化指数为5.92%。研究结果表明:在分类精度、模糊图像输入等方面,改进HMAX模型能够较好地满足实际生产中棉铃不同成熟阶段分类识别的实际需求。

脑与认知技术发展综述

脑与认知是利用神经形态计算来模拟生物大脑处理信息的过程,被认为是探究甚至实现人工智能的最直接技术路线,而且可以为人工神经网络研究提供基础导向,因为人类和动物"先天"的结构对其技能和习性有着决定性作用。对近期脑与认知的相关研究与成果进行了综合评述,并对未来发展趋势进行了展望。综述表明,类脑仿生研究与应用改进了人工智能系统,重建复杂的大脑皮层神经网与回路是当前研究重点;脉冲神经网络被认为是目前深度神经网络的"继承者";脑机接口技术发展呈现非侵入式趋势,面向语言障碍病患实现语音合成的脑机接口技术成为近期新兴研究方向。