基于昆虫启发稀疏神经网络的视觉路线跟随
通过仿生学方法,利用视觉流量分歧的微距离航空器降落的演进尖峰神经网络进行控制,展示了控制环路中脉冲神经网络在真实世界中的实际应用,并提供了有关成功解决分歧式着陆问题所需资源的见解。
Mar, 2020
本文提出了一种将视觉场所识别模型与动力学神经网络相结合的新模型,利用两种分类的神经模型 FlyNet 和 CANN 实现了高性能和紧凑性,相较于 SeqSLAM、Multi-Process Fusion 和 LoST-X 方法,该模型在两个真实世界数据集上表现优异,可以在日夜转换下获得 87%的 AUC 结果,速度分别比较三种算法快 6.5 倍,310 倍和 1.5 倍。
Oct, 2019
基于果蝇嗅觉电路启发的两种哈希算法:FlyHash 和 BioHash,分别产生稀疏的高维哈希码,在数据驱动的过程中被证明是高效的相似性搜索方法,提出了结合生物学机制的 LSH 假设,是计算机科学领域的重要研究成果。
Jan, 2020
通过第一次完全使用神经形态学视觉控制系统来自由控制飞行的实验,研究使用事件处理相机数据和脉冲神经网络实现无人驾驶和智能飞行机器人等基础任务的关键技术。
Mar, 2023
研究了果蝇大脑蘑菇体的一种网络模型及其在自然语言处理中的应用,提出了一种利用稀疏二进制哈希码编码语义信息的算法来生成单词表示,并发现该算法不仅可以达到与已有方法相当的性能,而且只需要较少的计算资源。
Jan, 2021
研究深度神经网络在视觉追踪中是否具有物体外观和运动特征模拟的能力,并提出了一种追踪对象基于动态线索电路模型,并将之加到基于转换器的体系结构进行追踪,使其具有更好的普遍性和鲁棒性。
May, 2021
本文提出了神经视觉注意力算法(NeVA),并利用仿生视觉约束在神经网络上实现了类人的扫描路径生成。实验结果表明,该方法在类人扫描路径相似性方面优于现有无监督的人类注意力模型,同时可灵活地研究不同任务对视觉行为的影响,并在考虑不完美的视觉条件下的实际应用中表现出明显的优势。
Apr, 2022
本文介绍了一种用于小型自主飞行器(如无人机)的自主导航引擎,此引擎基于神经网络和并行低功耗计算平台 GAP8,可以使得纳米无人机在严格的实时约束下完整地执行复杂的深度卷积神经网络,以实现闭环端到端可视化导航,同时系统耗能相对较小,且不会对飞行结果进行任何妥协。
May, 2018