-
生物启发的小目标检测视觉神经网络:在大场景中实现运动方向解码与补偿
小目标运动检测面临背景复杂、像素稀少等挑战,传统HRC模型存在方向响应受限和定位滞后问题。本文提出生物启发式MDDC-STMD视觉系统,通过双光感受器对称电路增强 omnidirectional 运动响应,设计STMD与LPTC互补子模块,结合补偿通道优化时空特征提取,在低采样率、高动态场景中实现精准定位,并构建包含真实与合成数据的大场景检测基准。
来源:Neural Networks
时间:2026-03-13
-
用于脉冲神经网络的快速、基于协议驱动的设备校准的局部学习范式
SADP和SCDP是新型生物启发式突触可塑性规则,基于预-突触和突触后神经元spike trains的统计一致性(Cohen’s κ和Pearson相关系数)进行权重更新,而非依赖精确spike-pair时间差。实验表明,相比传统STDP,SADP/SCDP在MNIST和Fashion-MNIST分类任务中训练速度提升一个数量级,同时保持高分类精度,且支持事件驱动硬件实现。该框架通过线性时间复杂度减少计算负担,并兼容神经形态硬件的非线性特性,为下一代神经形态系统提供高效本地化学习机制。
来源:Neural Networks
时间:2026-03-13
-
综述:用于车牌识别的深度学习算法:综述
本文系统综述了基于深度学习的车牌识别技术发展,梳理了从传统图像处理方法到YOLO、Faster R-CNN等深度学习框架的演进过程,分析了光照变化、极端天气、多角度倾斜等复杂场景下的性能瓶颈,提出轻量化多尺度网络、跨区域通用模型、融合交通场景先验知识等未来研究方向,并探讨了视频流时序分析与多传感器融合的创新路径。
来源:Neural Networks
时间:2026-03-13
-
在资源受限的环境中,利用Shapley值优化可微分架构搜索轻量级神经网络
提出基于Shapley值的DARTS搜索空间优化方法,通过公平评估各操作类型贡献,减少冗余操作,降低计算开销,同时保持较高准确率。实验表明,在CIFAR-10和ImageNet上,该方法参数量减少42.3%,搜索成本降低56.7%,准确率分别达到95.45%和76.14%,优于现有NAS方法。
来源:Neural Networks
时间:2026-03-13
-
一种受生物启发的脉冲神经网络,具备自适应的时空滤波功能以及深度调节的突触可塑性,从而实现强大的碰撞检测能力
碰撞检测中基于动态视觉传感器的生物启发式突触神经网络,提出自适应时空滤波抑制噪声并稳定事件率,以及深度调制时序依赖可塑性增强目标选择性,实验验证多场景下准确率超94%。
来源:Neural Networks
时间:2026-03-13
-
复数值扩展型尖峰神经网络
提出复杂值加权脉冲神经网络(CWSNN),将脉冲时间与膜电位导数分别编码为复数实部和虚部,实现时空特征统一处理,在分类和回归任务中显著优于传统SNN。
来源:Neural Networks
时间:2026-03-13
-
MD-LSM:一种用于实时监控深度网络隐藏层输出线性可分性的工具
线性可分性度量挑战及Minkowski差基解决方案研究。提出MD-LSMs满足绝对性、鲁棒性、仿射不变性,设计近似算法降低计算成本。实验验证隐藏层线性可分性随训练同步提升,尤其在靠近输出层层级表现更优。应用涵盖MLP、GNN、CNN等12种深度网络及CIFAR-10等数据集。
来源:Neural Networks
时间:2026-03-13
-
DisNet:在语音中学习可解释的抑郁表征
抑郁症语音检测可解释深度学习模型的研究提出可学习的带通滤波器(LFB)和分层语音表征提取模块(HRE),通过自监督学习策略(SLRD)提升模型泛化能力,在AMHS-corpus等数据集上验证其有效性和生物标志物发现,如特定元音发音模式及可视化方法。
来源:Neural Networks
时间:2026-03-13
-
使用注意力机制训练稀疏卷积深度预测编码网络
DPCN-SCA通过引入双向架构和顶向下注意力机制,改进深度预测编码网络的特征解释性,在ImageNet等数据集上分类准确率提升超20%。
来源:Neural Networks
时间:2026-03-13
-
综述:用于视频分析的脉冲神经网络:模型与架构的深入研究
本文系统综述了脉冲神经网络(SNN)在视频分析中的应用,提出SpikeActNet模型,实验表明其相比传统CNN模型在能效和实时性上更具优势,为下一代视频智能系统奠定基础。
来源:Neural Networks
时间:2026-03-13