|
劉穎 |
|
報(bào)告題目： 基于視覺認(rèn)知機(jī)理的類腦Spiking計(jì)算模型
個人簡介： 成都流體動力創(chuàng)新中心，助理研究員。2025年6月畢業(yè)于電子科技大學(xué)，獲得計(jì)算機(jī)科學(xué)與技術(shù)博士學(xué)位。主要研究方向?yàn)轭惸X視覺建模、脈沖神經(jīng)網(wǎng)絡(luò)、故障診斷等。在Neural Networks、ISA Transactions、電子與信息學(xué)報(bào)等期刊與會議上發(fā)表論文十余篇，曾獲“中國軟件杯”全國總決賽一等獎。
摘要： 類腦計(jì)算與神經(jīng)形態(tài)工程的發(fā)展為人工智能開辟了新路徑。作為第三代神經(jīng)網(wǎng)絡(luò)，脈沖神經(jīng)網(wǎng)絡(luò)（SNN）憑借其生物啟發(fā)的異步事件驅(qū)動特性和高效的時(shí)空信息處理能力，正在重塑智能感知領(lǐng)域的技術(shù)范式。本報(bào)告重點(diǎn)介紹一種創(chuàng)新的SNN視覺認(rèn)知框架，該框架通過模擬生物視覺系統(tǒng)的選擇性注意機(jī)制和自適應(yīng)學(xué)習(xí)特性，實(shí)現(xiàn)了復(fù)雜動態(tài)場景下的高效特征提取與識別。相較于傳統(tǒng)深度學(xué)習(xí)模型，該框架展現(xiàn)出顯著優(yōu)勢：更低的能耗需求、更強(qiáng)的環(huán)境適應(yīng)能力以及對標(biāo)注數(shù)據(jù)依賴性的降低。這些特性使其在資源受限場景下具有獨(dú)特價(jià)值，為智能感知系統(tǒng)的優(yōu)化提供了突破性的技術(shù)方案。報(bào)告將探討其在空天探測領(lǐng)域的應(yīng)用前景，最后展望其對未來類腦智能系統(tǒng)發(fā)展的推動作用。 |
.png)