CN105095966A - 人工神经网络和脉冲神经网络的混合计算系统 - Google Patents
人工神经网络和脉冲神经网络的混合计算系统 Download PDFInfo
- Publication number
- CN105095966A CN105095966A CN201510419414.2A CN201510419414A CN105095966A CN 105095966 A CN105095966 A CN 105095966A CN 201510419414 A CN201510419414 A CN 201510419414A CN 105095966 A CN105095966 A CN 105095966A
- Authority
- CN
- China
- Prior art keywords
- ment
- basic computational
- computational ele
- neural networks
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 249
- 229910052729 chemical element Inorganic materials 0.000 claims description 142
- 210000002569 neuron Anatomy 0.000 claims description 71
- 210000000225 synapse Anatomy 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 27
- 239000013598 vector Substances 0.000 claims description 15
- 230000001537 neural effect Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 5
- 230000000946 synaptic effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 15
- 230000005540 biological transmission Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 210000005036 nerve Anatomy 0.000 description 13
- 230000006854 communication Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 239000002131 composite material Substances 0.000 description 10
- 239000010410 layer Substances 0.000 description 6
- 230000004913 activation Effects 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000001242 postsynaptic effect Effects 0.000 description 1
- 210000005215 presynaptic neuron Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
Description
混合计算系统 | 100 | 模式寄存器 | 211 |
基本计算单元 | 110 | 轴突输入单元 | 212 |
第一基本计算单元 | 110a | 突触权重存储单元 | 213 |
第二基本计算单元 | 110b | 树突单元 | 214 |
学习单元 | 111 | 树突乘加单元 | 214a |
神经元 | 115 | 树突累加单元 | 214b |
突触 | 116 | 神经元计算单元 | 215 |
复合计算单元 | 120 | 第一计算单元 | 215a |
串联复合单元 | 120a | 第二计算单元 | 215b |
并联复合单元 | 120b | 树突拓展存储单元 | 2151 |
并行复合单元 | 120c | 参数存储单元 | 2152 |
学习复合单元 | 120d | 积分泄漏计算单元 | 2153 |
反馈复合单元 | 120e | 触发信号计数器 | 216 |
混合系统 | 200 | 控制器 | 217 |
神经形态网络核 | 210 | 路由节点 | 220 |
多模态神经形态网络核 | 210a |
Claims (13)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510419414.2A CN105095966B (zh) | 2015-07-16 | 2015-07-16 | 人工神经网络和脉冲神经网络的混合计算系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510419414.2A CN105095966B (zh) | 2015-07-16 | 2015-07-16 | 人工神经网络和脉冲神经网络的混合计算系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105095966A true CN105095966A (zh) | 2015-11-25 |
CN105095966B CN105095966B (zh) | 2018-08-21 |
Family
ID=54576340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510419414.2A Active CN105095966B (zh) | 2015-07-16 | 2015-07-16 | 人工神经网络和脉冲神经网络的混合计算系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105095966B (zh) |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719000A (zh) * | 2016-01-21 | 2016-06-29 | 广西师范大学 | 一种神经元硬件结构及用这种结构模拟脉冲神经网络的方法 |
CN106201651A (zh) * | 2016-06-27 | 2016-12-07 | 鄞州浙江清华长三角研究院创新中心 | 神经形态芯片的模拟器 |
CN106815638A (zh) * | 2017-01-20 | 2017-06-09 | 清华大学 | 输入权重拓展的神经元信息处理方法和系统 |
CN106845632A (zh) * | 2017-01-25 | 2017-06-13 | 清华大学 | 脉冲神经网络信息转换为人工神经网络信息的方法和系统 |
CN106845633A (zh) * | 2017-01-25 | 2017-06-13 | 清华大学 | 神经网络信息转换方法和系统 |
WO2017124641A1 (zh) * | 2016-01-20 | 2017-07-27 | 北京中科寒武纪科技有限公司 | 用于执行人工神经网络反向训练的装置和方法 |
WO2017124642A1 (zh) * | 2016-01-20 | 2017-07-27 | 北京中科寒武纪科技有限公司 | 用于执行人工神经网络正向运算的装置和方法 |
CN106997485A (zh) * | 2016-01-26 | 2017-08-01 | 三星电子株式会社 | 基于神经网络的识别设备和训练神经网络的方法 |
WO2017168275A1 (en) * | 2016-03-31 | 2017-10-05 | International Business Machines Corporation | Energy-efficient time-multiplexed neurosynaptic core for implementing neural networks |
CN107578097A (zh) * | 2017-09-25 | 2018-01-12 | 胡明建 | 一种多阀值多函数反馈人工神经元的设计方法 |
CN108171326A (zh) * | 2017-12-22 | 2018-06-15 | 清华大学 | 神经网络的数据处理方法、装置、芯片、设备和存储介质 |
WO2018133568A1 (zh) * | 2017-01-20 | 2018-07-26 | 清华大学 | 复合模式神经元信息处理方法、系统及计算机设备 |
CN109214507A (zh) * | 2017-06-29 | 2019-01-15 | 上海寒武纪信息科技有限公司 | 计算装置及方法 |
CN109478253A (zh) * | 2016-05-19 | 2019-03-15 | 国立大学法人北海道大学 | 神经网络电路以及神经网络集成电路 |
CN109491956A (zh) * | 2018-11-09 | 2019-03-19 | 北京灵汐科技有限公司 | 一种异构协同计算系统 |
CN109858620A (zh) * | 2018-12-29 | 2019-06-07 | 北京灵汐科技有限公司 | 一种类脑计算系统 |
CN109901878A (zh) * | 2019-02-25 | 2019-06-18 | 北京灵汐科技有限公司 | 一种类脑计算芯片及计算设备 |
CN110188872A (zh) * | 2019-06-05 | 2019-08-30 | 北京灵汐科技有限公司 | 一种异构协同系统及其通信方法 |
CN110337658A (zh) * | 2018-04-26 | 2019-10-15 | 深圳市大疆创新科技有限公司 | 神经网络加速装置与方法 |
US10474586B2 (en) | 2016-08-26 | 2019-11-12 | Cambricon Technologies Corporation Limited | TLB device supporting multiple data streams and updating method for TLB module |
WO2020049492A1 (en) * | 2018-09-06 | 2020-03-12 | International Business Machines Corporation | Probability propagation over factor graphs |
CN110909869A (zh) * | 2019-11-21 | 2020-03-24 | 浙江大学 | 一种基于脉冲神经网络的类脑计算芯片 |
WO2020155741A1 (zh) * | 2019-01-29 | 2020-08-06 | 清华大学 | 卷积神经网络和脉冲神经网络的融合结构及方法 |
CN112257846A (zh) * | 2020-10-13 | 2021-01-22 | 北京灵汐科技有限公司 | 神经元模型、拓扑结构、信息处理方法和视网膜神经元 |
CN112567388A (zh) * | 2018-06-11 | 2021-03-26 | 英艾特股份公司 | 将循环人工神经网络中的活动特征化以及编码和解码信息 |
CN112561057A (zh) * | 2020-12-09 | 2021-03-26 | 清华大学 | 一种状态控制方法及装置 |
CN112686381A (zh) * | 2020-12-30 | 2021-04-20 | 北京灵汐科技有限公司 | 神经网络模型、方法、电子设备及可读介质 |
CN113607628A (zh) * | 2021-09-02 | 2021-11-05 | 清华大学 | 神经形态计算驱动图像流式细胞仪对细胞图像流处理方法 |
WO2023120788A1 (ko) * | 2021-12-23 | 2023-06-29 | 한국전자기술연구원 | Snn/cnn 동시 구동이 가능한 데이터 처리 시스템 및 방법 |
CN118518842A (zh) * | 2024-07-23 | 2024-08-20 | 贵州润可信息科技有限公司 | 基于多模态数据融合和智能优化的水质检测方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1076536A (zh) * | 1992-03-13 | 1993-09-22 | 皮尔金顿电子有限公司 | 改进的模拟数字神经元、神经网络及网络调试算法 |
US20040193559A1 (en) * | 2003-03-24 | 2004-09-30 | Tetsuya Hoya | Interconnecting neural network system, interconnecting neural network structure construction method, self-organizing neural network structure construction method, and construction programs therefor |
CN101997538A (zh) * | 2009-08-19 | 2011-03-30 | 中国科学院半导体研究所 | 基于脉冲耦合的硅纳米线cmos神经元电路 |
JP4925235B2 (ja) * | 2001-09-25 | 2012-04-25 | 独立行政法人理化学研究所 | 脳の精神的な機能をモデル化した人工ニューラルネットワーク構造の形成方法 |
CN103201610A (zh) * | 2010-10-29 | 2013-07-10 | 国际商业机器公司 | 带有使用模拟学习的突触权重的神经形态-突触器脉冲神经网络 |
CN104145281A (zh) * | 2012-02-03 | 2014-11-12 | 安秉益 | 神经网络计算装置和系统及其方法 |
-
2015
- 2015-07-16 CN CN201510419414.2A patent/CN105095966B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1076536A (zh) * | 1992-03-13 | 1993-09-22 | 皮尔金顿电子有限公司 | 改进的模拟数字神经元、神经网络及网络调试算法 |
JP4925235B2 (ja) * | 2001-09-25 | 2012-04-25 | 独立行政法人理化学研究所 | 脳の精神的な機能をモデル化した人工ニューラルネットワーク構造の形成方法 |
US20040193559A1 (en) * | 2003-03-24 | 2004-09-30 | Tetsuya Hoya | Interconnecting neural network system, interconnecting neural network structure construction method, self-organizing neural network structure construction method, and construction programs therefor |
CN101997538A (zh) * | 2009-08-19 | 2011-03-30 | 中国科学院半导体研究所 | 基于脉冲耦合的硅纳米线cmos神经元电路 |
CN103201610A (zh) * | 2010-10-29 | 2013-07-10 | 国际商业机器公司 | 带有使用模拟学习的突触权重的神经形态-突触器脉冲神经网络 |
CN104145281A (zh) * | 2012-02-03 | 2014-11-12 | 安秉益 | 神经网络计算装置和系统及其方法 |
Non-Patent Citations (2)
Title |
---|
HU JUN ETAL.: ""A Spike-Timing-Based Integrated Model"", 《NEURAL COMPUTATION》 * |
LI GUOQI ETAL.: ""Model-Based Online Learning With Kernels"", 《IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS》 * |
Cited By (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017124641A1 (zh) * | 2016-01-20 | 2017-07-27 | 北京中科寒武纪科技有限公司 | 用于执行人工神经网络反向训练的装置和方法 |
WO2017124642A1 (zh) * | 2016-01-20 | 2017-07-27 | 北京中科寒武纪科技有限公司 | 用于执行人工神经网络正向运算的装置和方法 |
CN105719000B (zh) * | 2016-01-21 | 2018-02-16 | 广西师范大学 | 一种神经元硬件装置及用这种装置模拟脉冲神经网络的方法 |
CN105719000A (zh) * | 2016-01-21 | 2016-06-29 | 广西师范大学 | 一种神经元硬件结构及用这种结构模拟脉冲神经网络的方法 |
CN106997485A (zh) * | 2016-01-26 | 2017-08-01 | 三星电子株式会社 | 基于神经网络的识别设备和训练神经网络的方法 |
WO2017168275A1 (en) * | 2016-03-31 | 2017-10-05 | International Business Machines Corporation | Energy-efficient time-multiplexed neurosynaptic core for implementing neural networks |
US10990872B2 (en) | 2016-03-31 | 2021-04-27 | International Business Machines Corporation | Energy-efficient time-multiplexed neurosynaptic core for implementing neural networks spanning power- and area-efficiency |
GB2557780B (en) * | 2016-03-31 | 2022-02-09 | Ibm | Energy-efficient time-multiplexed neurosynaptic core for implementing neural networks |
GB2557780A (en) * | 2016-03-31 | 2018-06-27 | Ibm | Energy-efficient time-multiplexed neurosynaptic core for implementing neural networks |
CN109478253A (zh) * | 2016-05-19 | 2019-03-15 | 国立大学法人北海道大学 | 神经网络电路以及神经网络集成电路 |
CN109478253B (zh) * | 2016-05-19 | 2022-11-01 | 国立大学法人东京工业大学 | 神经网络电路以及神经网络集成电路 |
CN106201651A (zh) * | 2016-06-27 | 2016-12-07 | 鄞州浙江清华长三角研究院创新中心 | 神经形态芯片的模拟器 |
US10474586B2 (en) | 2016-08-26 | 2019-11-12 | Cambricon Technologies Corporation Limited | TLB device supporting multiple data streams and updating method for TLB module |
WO2018133568A1 (zh) * | 2017-01-20 | 2018-07-26 | 清华大学 | 复合模式神经元信息处理方法、系统及计算机设备 |
CN106815638B (zh) * | 2017-01-20 | 2020-03-27 | 北京灵汐科技有限公司 | 输入权重拓展的神经元信息处理方法和系统 |
CN106815638A (zh) * | 2017-01-20 | 2017-06-09 | 清华大学 | 输入权重拓展的神经元信息处理方法和系统 |
CN106845632A (zh) * | 2017-01-25 | 2017-06-13 | 清华大学 | 脉冲神经网络信息转换为人工神经网络信息的方法和系统 |
CN106845633B (zh) * | 2017-01-25 | 2021-07-09 | 北京灵汐科技有限公司 | 神经网络信息转换方法和系统 |
CN106845632B (zh) * | 2017-01-25 | 2020-10-16 | 清华大学 | 脉冲神经网络信息转换为人工神经网络信息的方法和系统 |
CN106845633A (zh) * | 2017-01-25 | 2017-06-13 | 清华大学 | 神经网络信息转换方法和系统 |
CN109214507A (zh) * | 2017-06-29 | 2019-01-15 | 上海寒武纪信息科技有限公司 | 计算装置及方法 |
CN109214507B (zh) * | 2017-06-29 | 2024-07-12 | 上海寒武纪信息科技有限公司 | 计算装置及方法 |
CN107578097A (zh) * | 2017-09-25 | 2018-01-12 | 胡明建 | 一种多阀值多函数反馈人工神经元的设计方法 |
CN108171326B (zh) * | 2017-12-22 | 2020-08-04 | 清华大学 | 神经网络的数据处理方法、装置、芯片、设备和存储介质 |
CN108171326A (zh) * | 2017-12-22 | 2018-06-15 | 清华大学 | 神经网络的数据处理方法、装置、芯片、设备和存储介质 |
WO2019205064A1 (zh) * | 2018-04-26 | 2019-10-31 | 深圳市大疆创新科技有限公司 | 神经网络加速装置与方法 |
CN110337658A (zh) * | 2018-04-26 | 2019-10-15 | 深圳市大疆创新科技有限公司 | 神经网络加速装置与方法 |
CN112567388A (zh) * | 2018-06-11 | 2021-03-26 | 英艾特股份公司 | 将循环人工神经网络中的活动特征化以及编码和解码信息 |
GB2589046A (en) * | 2018-09-06 | 2021-05-19 | Int Buisness Machines Corporation | Probability propagation over factor graphs |
WO2020049492A1 (en) * | 2018-09-06 | 2020-03-12 | International Business Machines Corporation | Probability propagation over factor graphs |
US11200484B2 (en) | 2018-09-06 | 2021-12-14 | International Business Machines Corporation | Probability propagation over factor graphs |
WO2020093885A1 (zh) * | 2018-11-09 | 2020-05-14 | 北京灵汐科技有限公司 | 一种异构协同计算系统 |
CN109491956A (zh) * | 2018-11-09 | 2019-03-19 | 北京灵汐科技有限公司 | 一种异构协同计算系统 |
CN109858620B (zh) * | 2018-12-29 | 2021-08-20 | 北京灵汐科技有限公司 | 一种类脑计算系统 |
CN109858620A (zh) * | 2018-12-29 | 2019-06-07 | 北京灵汐科技有限公司 | 一种类脑计算系统 |
WO2020155741A1 (zh) * | 2019-01-29 | 2020-08-06 | 清华大学 | 卷积神经网络和脉冲神经网络的融合结构及方法 |
US20210357726A1 (en) * | 2019-01-29 | 2021-11-18 | Tsinghua University | Fusion structure and method of convolutional neural network and spiking neural network |
CN109901878A (zh) * | 2019-02-25 | 2019-06-18 | 北京灵汐科技有限公司 | 一种类脑计算芯片及计算设备 |
US11461626B2 (en) | 2019-02-25 | 2022-10-04 | Lynxi Technologies Co., Ltd. | Brain-like computing chip and computing device |
CN110188872A (zh) * | 2019-06-05 | 2019-08-30 | 北京灵汐科技有限公司 | 一种异构协同系统及其通信方法 |
CN110188872B (zh) * | 2019-06-05 | 2021-04-13 | 北京灵汐科技有限公司 | 一种异构协同系统及其通信方法 |
CN110909869A (zh) * | 2019-11-21 | 2020-03-24 | 浙江大学 | 一种基于脉冲神经网络的类脑计算芯片 |
CN110909869B (zh) * | 2019-11-21 | 2022-08-23 | 浙江大学 | 一种基于脉冲神经网络的类脑计算芯片 |
CN112257846A (zh) * | 2020-10-13 | 2021-01-22 | 北京灵汐科技有限公司 | 神经元模型、拓扑结构、信息处理方法和视网膜神经元 |
WO2022078334A1 (zh) * | 2020-10-13 | 2022-04-21 | 北京灵汐科技有限公司 | 利用神经元模型及网络处理信号的处理方法、介质、设备 |
CN112561057A (zh) * | 2020-12-09 | 2021-03-26 | 清华大学 | 一种状态控制方法及装置 |
US11853896B2 (en) | 2020-12-30 | 2023-12-26 | Lynxi Technologies Co., Ltd. | Neural network model, method, electronic device, and readable medium |
CN112686381A (zh) * | 2020-12-30 | 2021-04-20 | 北京灵汐科技有限公司 | 神经网络模型、方法、电子设备及可读介质 |
CN112686381B (zh) * | 2020-12-30 | 2024-08-02 | 北京灵汐科技有限公司 | 神经网络模型、方法、电子设备及可读介质 |
CN113607628B (zh) * | 2021-09-02 | 2023-02-10 | 清华大学 | 神经形态计算驱动图像流式细胞仪对细胞图像流处理方法 |
CN113607628A (zh) * | 2021-09-02 | 2021-11-05 | 清华大学 | 神经形态计算驱动图像流式细胞仪对细胞图像流处理方法 |
WO2023120788A1 (ko) * | 2021-12-23 | 2023-06-29 | 한국전자기술연구원 | Snn/cnn 동시 구동이 가능한 데이터 처리 시스템 및 방법 |
CN118518842A (zh) * | 2024-07-23 | 2024-08-20 | 贵州润可信息科技有限公司 | 基于多模态数据融合和智能优化的水质检测方法和系统 |
CN118518842B (zh) * | 2024-07-23 | 2024-10-11 | 贵州润可信息科技有限公司 | 基于多模态数据融合和智能优化的水质检测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105095966B (zh) | 2018-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105095966A (zh) | 人工神经网络和脉冲神经网络的混合计算系统 | |
CN105095961A (zh) | 一种人工神经网络和脉冲神经网络的混合系统 | |
CN105095967A (zh) | 一种多模态神经形态网络核 | |
CN105095965A (zh) | 人工神经网络和脉冲神经网络神经的混合通信方法 | |
CN112000108B (zh) | 一种多智能体集群分组时变编队跟踪控制方法及系统 | |
Stromatias et al. | Scalable energy-efficient, low-latency implementations of trained spiking deep belief networks on spinnaker | |
Sayama et al. | Modeling complex systems with adaptive networks | |
Sarkar et al. | Artificial neural networks for event based rainfall-runoff modeling | |
Ferreira et al. | An approach to reservoir computing design and training | |
Samoilenko et al. | Using Data Envelopment Analysis (DEA) for monitoring efficiency-based performance of productivity-driven organizations: Design and implementation of a decision support system | |
Topalli et al. | A hybrid learning for neural networks applied to short term load forecasting | |
CN104077438B (zh) | 电网大规模拓扑结构构建方法与系统 | |
Zheng et al. | Improving the efficiency of multi-objective evolutionary algorithms through decomposition: An application to water distribution network design | |
CN108241964A (zh) | 基于bp人工神经网络模型算法的基建现场管控移动应用平台 | |
Jiang et al. | A data-driven based decomposition–integration method for remanufacturing cost prediction of end-of-life products | |
Ebrahimnejad et al. | A new method for solving dual DEA problems with fuzzy stochastic data | |
Li et al. | A recurrent neural network and differential equation based spatiotemporal infectious disease model with application to covid-19 | |
Ferreira et al. | Evolutionary strategy for simultaneous optimization of parameters, topology and reservoir weights in echo state networks | |
Pasam et al. | Multi-objective Decision Based Available Transfer Capability in Deregulated Power System Using Heuristic Approaches | |
CN114036582A (zh) | 一种乘法神经网络模型及隐私计算方法 | |
Wang et al. | Convolution neural network based load model parameter selection considering short-term voltage stability | |
Schwenker et al. | Echo state networks and neural network ensembles to predict sunspots activity | |
de Araujo Góes et al. | NAROAS: a neural network-based advanced operator support system for the assessment of systems reliability | |
Stork et al. | Surrogate-assisted learning of neural networks | |
Savchenko-Synyakova et al. | The Tools for Intelligent Data Analysis, Modeling and Forecasting Of Social and Economic Processes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180212 Address after: 100036 Beijing city Haidian District West Sanhuan Road No. 10 wanghailou B block two layer 200-30 Applicant after: LYNXI TECHNOLOGIES Co.,Ltd. Address before: 100084 Beijing Beijing 100084-82 mailbox Applicant before: Tsinghua University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Hybrid computing system of artificial neural network and impulse neural network Effective date of registration: 20230221 Granted publication date: 20180821 Pledgee: Beijing first financing Company limited by guarantee Pledgor: LYNXI TECHNOLOGIES Co.,Ltd. Registration number: Y2023980033082 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20180821 Pledgee: Beijing first financing Company limited by guarantee Pledgor: LYNXI TECHNOLOGIES Co.,Ltd. Registration number: Y2023980033082 |
|
PC01 | Cancellation of the registration of the contract for pledge of patent right |