专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

1. 发明授权

US09147155B2 Method and apparatus for neural temporal coding, learning and recognition 有权
标题翻译：用于神经时间编码，学习和识别的方法和装置
公开(公告)号：US09147155B2
公开(公告)日：2015-09-29
申请号：US13211091
申请日：2011-08-16
申请人： Victor Hokkiu Chan , Jason Frank Hunzinger , Bardia Fallah Behabadi
发明人： Victor Hokkiu Chan , Jason Frank Hunzinger , Bardia Fallah Behabadi
IPC分类号： G06F15/18 , G06N3/04 , G06N3/08
CPC分类号： G06N3/049 , G06N3/088
摘要： Certain aspects of the present disclosure support a technique for neural temporal coding, learning and recognition. A method of neural coding of large or long spatial-temporal patterns is also proposed. Further, generalized neural coding and learning with temporal and rate coding is disclosed in the present disclosure.
摘要翻译：本公开的某些方面支持用于神经时间编码，学习和识别的技术。还提出了一种大或长时空模式的神经编码方法。此外，在本公开中公开了具有时间和速率编码的广义神经编码和学习。

2. 发明授权

US09092735B2 Method and apparatus for structural delay plasticity in spiking neural networks 有权
标题翻译：刺激神经网络中结构延迟可塑性的方法和装置
公开(公告)号：US09092735B2
公开(公告)日：2015-07-28
申请号：US13238088
申请日：2011-09-21
申请人： Jason Frank Hunzinger , Victor Hokkiu Chan , Jeffrey Alexander Levin
发明人： Jason Frank Hunzinger , Victor Hokkiu Chan , Jeffrey Alexander Levin
IPC分类号： G06F15/18 , G06J1/00 , G06N3/00 , G06N3/04 , G06N3/08
CPC分类号： G06N3/049 , G06N3/088
摘要： Certain aspects of the present disclosure relate to a technique for adaptive structural delay plasticity applied in spiking neural networks. With the proposed method of structural delay plasticity, the requirement of modeling multiple synapses with different delays can be avoided. In this case, far fewer potential synapses should be modeled for learning.
摘要翻译：本公开的某些方面涉及应用于加标神经网络中的自适应结构延迟塑性的技术。通过提出的结构延迟可塑性方法，可以避免对具有不同延迟的多个突触建模的要求。在这种情况下，应该为学习建模的潜在突触少得多。

3. 发明授权

US08699967B2 Uplink transmit diversity enhancement 失效
标题翻译：上行链路发射分集增强
公开(公告)号：US08699967B2
公开(公告)日：2014-04-15
申请号：US12870632
申请日：2010-08-27
申请人： Jason Frank Hunzinger
发明人： Jason Frank Hunzinger
IPC分类号： H03C7/02
CPC分类号： H04B7/0617 , H04B7/0404 , H04B7/0689
摘要： A method for uplink transmit diversity enhancement is disclosed. A subset of two or more potential uplink transmission configurations are determined. A subset of potential uplink transmission configurations is evaluated. An uplink transmission configuration is selected based on the evaluation. Metrics of the selected uplink transmission configuration are determined. The selected uplink transmission configuration is applied for an extended use period.
摘要翻译：公开了一种用于上行链路发射分集增强的方法。确定两个或更多个潜在上行链路传输配置的子集。评估潜在的上行链路传输配置的子集。基于评估来选择上行链路传输配置。确定所选择的上行链路传输配置的度量。所选择的上行链路传输配置被应用于延长的使用周期。

4. 发明申请

US20130226851A1 METHOD AND APPARATUS FOR MODELING NEURAL RESOURCE BASED SYNAPTIC PLACTICITY 有权
标题翻译：用于建模基于神经资源的同步位置的方法和装置
公开(公告)号：US20130226851A1
公开(公告)日：2013-08-29
申请号：US13408134
申请日：2012-02-29
申请人： Jason Frank Hunzinger , Jeffrey A. Levin
发明人： Jason Frank Hunzinger , Jeffrey A. Levin
IPC分类号： G06N3/08
CPC分类号： G06N3/08 , G06N3/049
摘要： Certain aspects of the present disclosure support a method of designing the resource model in hardware (or software) for learning spiking neural networks. The present disclosure comprises accounting for resources in a different domain (e.g., negative log lack-of-resources instead of availability of resources), modulating weight changes for multiple spike events upon a single trigger, and strategically advancing or retarding the resource replenishment or decay (respectively) to overcome the limitation of single event-based triggering.
摘要翻译：本公开的某些方面支持在用于学习尖峰神经网络的硬件（或软件）中设计资源模型的方法。本公开包括对不同领域的资源进行会计处理（例如资源不足而不是资源的可用性），在单个触发器上调整多个穗事件的权重变化，以及策略性地推进或延迟资源补充或衰减（分别）来克服单个事件触发的限制。

5. 发明授权

US09208431B2 Method and apparatus for strategic synaptic failure and learning in spiking neural networks 有权
标题翻译：在神经网络中进行战略突触失败和学习的方法和装置
公开(公告)号：US09208431B2
公开(公告)日：2015-12-08
申请号：US13468331
申请日：2012-05-10
申请人： Jason Frank Hunzinger , Thomas Zheng
发明人： Jason Frank Hunzinger , Thomas Zheng
IPC分类号： G06N5/00 , G06F1/00 , G06N3/08 , G06N3/04
CPC分类号： G06N3/08 , G06N3/049
摘要： Certain aspects of the present disclosure support a technique for strategic synaptic failure and learning in spiking neural networks. A synaptic weight for a synaptic connection between a pre-synaptic neuron and a post-synaptic neuron can be first determined (e.g., according to a learning rule). Then, one or more failures of the synaptic connection can be determined based on a set of characteristics of the synaptic connection. The one or more failures can be omitted from computation of a neuronal behavior of the post-synaptic neuron.
摘要翻译：本公开的某些方面支持用于突发性神经网络中的战略突触失败和学习的技术。可以首先确定突触前神经元和突触前神经元之间的突触连接的突触重量（例如，根据学习规则）。然后，可以基于突触连接的一组特征来确定突触连接的一个或多个故障。在突触后神经元的神经元行为的计算中可以省略一个或多个失败。

6. 发明授权

US09053428B2 Method and apparatus of robust neural temporal coding, learning and cell recruitments for memory using oscillation 有权
标题翻译：鲁棒的神经时间编码，使用振荡的记忆的学习和细胞募集的方法和装置
公开(公告)号：US09053428B2
公开(公告)日：2015-06-09
申请号：US13187915
申请日：2011-07-21
申请人： Jason Frank Hunzinger , Victor Hokkiu Chan
发明人： Jason Frank Hunzinger , Victor Hokkiu Chan
IPC分类号： G06N3/08 , G06N3/04
CPC分类号： G06N3/049
摘要： Certain aspects of the present disclosure support a technique for robust neural temporal coding, learning and cell recruitments for memory using oscillations. Methods are proposed for distinguishing temporal patterns and, in contrast to other “temporal pattern” methods, not merely coincidence of inputs or order of inputs. Moreover, the present disclosure propose practical methods that are biologically-inspired/consistent but reduced in complexity and capable of coding, decoding, recognizing, and learning temporal spike signal patterns. In this disclosure, extensions are proposed to a scalable temporal neural model for robustness, confidence or integrity coding, and recruitment of cells for efficient temporal pattern memory.
摘要翻译：本公开的某些方面支持用于使用振荡的存储器的鲁棒神经时间编码，学习和小区招募的技术。提出了区分时间模式的方法，与其他“时间模式”方法相反，不仅仅是输入或输入顺序的一致性。此外，本公开提出了具有生物启发/一致性但是复杂度降低且能够对时间尖峰信号模式进行编码，解码，识别和学习的实用方法。在本公开中，提出了用于鲁棒性，置信度或完整性编码的可伸缩时间神经模型的扩展，以及用于有效时间模式存储器的小区的招募。

7. 发明授权

US09015091B2 Methods and apparatus for unsupervised neural replay, learning refinement, association and memory transfer: structural plasticity and structural constraint modeling 有权
标题翻译：无监督神经重播，学习细化，关联和记忆转移的方法和装置：结构可塑性和结构约束建模
公开(公告)号：US09015091B2
公开(公告)日：2015-04-21
申请号：US13292191
申请日：2011-11-09
申请人： Jason Frank Hunzinger , Victor Hokkiu Chan
发明人： Jason Frank Hunzinger , Victor Hokkiu Chan
IPC分类号： G06N3/08 , G06N3/063 , G06N3/04
CPC分类号： G06N3/049 , G06N3/082
摘要： Certain aspects of the present disclosure support techniques for unsupervised neural replay, learning refinement, association and memory transfer.
摘要翻译：本公开的某些方面支持用于无监督神经重放，学习细化，关联和记忆转移的技术。

8. 发明授权

US08756173B2 Machine learning of known or unknown motion states with sensor fusion 有权
标题翻译：具有传感器融合的已知或未知运动状态的机器学习
公开(公告)号：US08756173B2
公开(公告)日：2014-06-17
申请号：US13269513
申请日：2011-10-07
申请人： Jason Frank Hunzinger , Anthony Sarah , Pawan K. Baheti
发明人： Jason Frank Hunzinger , Anthony Sarah , Pawan K. Baheti
IPC分类号： G06F17/20 , G01D15/00 , G06N99/00
CPC分类号： G06N99/005 , G06K9/00
摘要： Example methods, apparatuses, or articles of manufacture are disclosed herein that may be utilized, in whole or in part, to facilitate or support one or more operations or techniques for machine learning of known or unknown motion states with sensor fusion.
摘要翻译：本文公开了可以全部或部分地利用传感器融合来促进或支持用于机器学习已知或未知运动状态的一个或多个操作或技术的示例性方法，装置或制品。

9. 发明申请

US20130339280A1 LEARNING SPIKE TIMING PRECISION 有权
标题翻译：学习SPIKE时间精度
公开(公告)号：US20130339280A1
公开(公告)日：2013-12-19
申请号：US13523574
申请日：2012-06-14
申请人： Jason Frank Hunzinger , Victor Hokkiu Chan
发明人： Jason Frank Hunzinger , Victor Hokkiu Chan
IPC分类号： G06N3/08
CPC分类号： G06N3/08 , G06N3/049 , G06N3/088
摘要： Certain aspects of the present disclosure provide methods and apparatus for learning or determining delays between neuron models so that the uncertainty in input spike timing is accounted for in the margin of time between a delayed pre-synaptic input spike and a post-synaptic spike. In this manner, a neural network can correctly match patterns (even in the presence of significant jitter) and correctly distinguish between different noisy patterns. One example method generally includes determining an uncertainty associated with a first pre-synaptic spike time of a first neuron model for a pattern to be learned; and determining a delay based on the uncertainty, such that the delay added to a second pre-synaptic spike time of the first neuron model results in a causal margin of time between the delayed second pre-synaptic spike time and a post-synaptic spike time of a second neuron model.
摘要翻译：本公开的某些方面提供用于学习或确定神经元模型之间的延迟的方法和装置，使得在延迟的突触前输入尖峰和突触后尖峰之间的时间间隔中考虑输入尖峰时间的不确定性。以这种方式，神经网络可以正确匹配模式（即使存在显着的抖动），并且正确区分不同的噪声模式。一个示例性方法通常包括确定与要学习的模式的第一神经元模型的第一突触前尖峰时间相关联的不确定性; 以及基于所述不确定性确定延迟，使得添加到第一神经元模型的第二突触前尖刺时间的延迟导致延迟的第二突触前尖峰时间与突触后刺激时间之间的时间间隔的第二个神经元模型。

10. 发明申请

US20130103626A1 METHOD AND APPARATUS FOR NEURAL LEARNING OF NATURAL MULTI-SPIKE TRAINS IN SPIKING NEURAL NETWORKS 有权
标题翻译：在神经网络中自然学习自然多脉冲火车的方法与装置
公开(公告)号：US20130103626A1
公开(公告)日：2013-04-25
申请号：US13276812
申请日：2011-10-19
申请人： Jason Frank Hunzinger
发明人： Jason Frank Hunzinger
IPC分类号： G06N3/08
CPC分类号： G06N3/049 , G06N3/088
摘要： Certain aspects of the present disclosure support a technique for neural learning of natural multi-spike trains in spiking neural networks. A synaptic weight can be adapted depending on a resource associated with the synapse, which can be depleted by weight change and can recover over time. In one aspect of the present disclosure, the weight adaptation may depend on a time since the last significant weight change.
摘要翻译：本公开的某些方面支持在尖峰神经网络中天然多穗火车的神经学习技术。可以根据与突触相关联的资源来适应突触重量，其可以通过重量变化而耗尽，并且可以随时间恢复。在本公开的一个方面，重量适应可以取决于自上次显着重量变化以来的时间。

你已经成功收藏专利！

检索式保存成功!

IPRDB

热门服务

关于我们

友情链接

联系方式