CN107077635A - 基于突触神经网络核心的传感器系统 - Google Patents

基于突触神经网络核心的传感器系统 Download PDF

Info

Publication number
CN107077635A
CN107077635A CN201580060376.4A CN201580060376A CN107077635A CN 107077635 A CN107077635 A CN 107077635A CN 201580060376 A CN201580060376 A CN 201580060376A CN 107077635 A CN107077635 A CN 107077635A
Authority
CN
China
Prior art keywords
sensor
register
context
sensing
neural network
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
Application number
CN201580060376.4A
Other languages
English (en)
Other versions
CN107077635B (zh
Inventor
R.弗里德兰德
J.克雷默
S.S.亚当斯
W.A.贝洛米尼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of CN107077635A publication Critical patent/CN107077635A/zh
Application granted granted Critical
Publication of CN107077635B publication Critical patent/CN107077635B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26Power supply means, e.g. regulation thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/049Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs

Abstract

一种传感器系统(252),包括:能量存储设备(206);电耦合到所述能量存储设备(206)的间歇性能量释放设备,其中所述间歇性能量释放设备使得所述能量存储设备(206)间歇地释放存储的能量;电耦合到所述能量存储设备(206)的传感器(208);电耦合到所述传感器(208)的寄存器(210),其中所述寄存器(210)存储来自所述传感器(208)的读数;电耦合到所述传感器(208)的突触神经网络核心(212),其中所述突触神经网络核心(212)将来自传感器(208)的读数转换成从所述读数和上下文对象导出的合成的基于上下文的对象;电耦合到所述突触神经网络核心(212)的应答器(214);以及所述应答器(214)内的存储缓冲器(804),其中所述存储缓冲器(804)存储所述合成的基于上下文的对象,以由所述应答器(214)发送到监视系统(202)。

Description

基于突触神经网络核心的传感器系统
技术领域
本发明涉及电子设备的领域,具体地涉及用于感测物理条件的电子设备。更具体地,本发明涉及将突触神经网络(synaptic neural network)并入到传感器系统中。
背景技术
传感器检测各种各样的物理条件,例如热、压力、加速度等。然后使用这种传感器的读数来建立环境的详细描述。
发明内容
在本发明的一个方面,一种传感器系统包括:能量存储设备;电耦合到所述能量存储设备的间歇性能量释放设备,其中所述间歇性能量释放设备使得所述能量存储设备间歇地释放存储的能量;电耦合到所述能量存储设备的传感器;电耦合到所述传感器的寄存器,其中所述寄存器存储来自所述传感器的读数;电耦合到所述传感器的突触神经网络核心,其中所述突触神经网络核心将来自传感器的读数转换成从所述读数和上下文对象导出的合成的基于上下文的对象;电耦合到所述突触神经网络核心的应答器;以及所述应答器内的存储缓冲器,其中所述存储缓冲器存储所述合成的基于上下文的对象,以由所述应答器发送到监视系统。
在本发明的另一方面,一种优化传感器操作的方法包括:将电能存储在能量存储设备上;将存储的电能从所述能量存储设备间歇地释放到传感器,其中从所述能量存储设备间歇地释放存储的电能激活所述传感器中的一个或多个感测单元;通过所述传感器中的一个或多个感测单元捕获传感器读数;将所述读数发送到寄存器用于存储;将所述寄存器中的读数加载到突触神经网络核心上;通过所述突触神经网络核心将读数转换成合成事件标识符,其中从所述读数和上下文对象生成所述合成事件标识符;将所述合成事件标识符加载到应答器设备上的寄存器上;以及将所述合成事件标识符从所述应答器设备发送到监视系统。
在本发明的另一方面,一种传感器系统包括:能量存储设备;电耦合到所述能量存储设备的间歇性能量释放设备,其中所述间歇性能量释放设备使得所述能量存储设备间歇地释放存储的能量;电耦合到所述能量存储设备的突触神经网络核心,其中所述突触神经网络核心将从连接的传感器接收的读数转换成从所述读数和上下文对象导出的合成的基于上下文的对象;电耦合到所述突触神经网络核心的应答器;以及所述应答器内的存储缓冲器,其中所述存储缓冲器存储所述合成的基于上下文的对象,以由所述应答器发送到监视系统。
附图说明
现在将参考附图仅通过示例的方式描述本发明的实施例,其中:
图1描绘了可以实现本公开的示例性系统和网络;
图2示出了根据本公开的一个或多个实施例的用于传感器系统的示例性架构;
图3示出了图2所示的传感器系统的附加细节;
图4示出了图3所示的一个或多个组件的附加电路细节;
图5描绘了传感器和突触神经网络核心的示例性细节;
图6是在图5中描述的传感器中由兴奋性和抑制性检测器记录的示例性特征的表格;
图7示出了示例性合成的基于上下文的对象;
图8描绘了在本公开的一个或多个实施例中使用的示例性应答器设备;以及
图9是由一个或多个硬件设备执行以优化传感器操作的一个或多个操作的高级流程图。
具体实施方式
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
现在参考附图,特别是参考图1,示出了可以由本发明利用和/或本发明的实现中利用的示例性系统和网络的框图。请注意,为计算机102显示的和在计算机102内显示的示例性架构的一些或所有示例性架构(包括描述的硬件和软件)可以由图2所示的软件部署服务器150和/或监视系统202利用。
示例性计算机102包括耦合到系统总线106的处理器104。处理器104可以利用一个或多个处理器,每个处理器具有一个或多个处理器核心。驱动/支持显示器110的视频适配器108也耦合到系统总线106。系统总线106经由总线桥112耦合到输入/输出(I/O)总线114。I/O接口116耦合到I/O总线114。I/O接口116提供与各种I/O设备的通信,包括键盘118、鼠标120、介质托盘122(其可以包括存储设备,诸如CD-ROM驱动器、多媒体接口等)、收发器124和外部USB端口126。虽然连接到I/O接口116的端口的格式可以是计算机架构中技术人员已知的任何,但是在一个实施例中,这些端口的一些或全部是通用串行总线(USB)端口。
如图所示,计算机102能够使用网络接口130与软件部署服务器150进行通信。网络接口130是硬件网络接口,诸如网络接口卡(NIC)等。网络128可以是诸如因特网的外部网络,或诸如以太网或虚拟专用网络(VPN)的内部网络。
硬盘驱动器接口132也耦合到系统总线106。硬盘驱动器接口132与硬盘驱动器134接口。在一个实施例中,硬盘驱动器134填充系统存储器136,系统存储器136也耦合到系统总线106。系统存储器被定义为计算机102中最低级别的易失性存储器。该易失性存储器包括额外的较高级别的易失性存储器(未示出),包括但不限于高速缓冲存储器、寄存器和缓冲器。填充系统存储器136的数据包括计算机102的操作系统(OS)138和应用程序144。
OS 138包括壳140,用于提供对诸如应用程序144之类的资源的透明用户访问。通常,壳140是提供解释器和用户与操作系统之间的接口的程序。更具体地说,壳140执行输入命令行用户界面或来自文件的命令。因此,也称为命令处理器的壳140通常是操作系统软件层次结构的最高级别,并且用作命令解释器。壳提供系统提示,解释由键盘、鼠标或其他用户输入介质输入的命令,并将解释的命令发送到操作系统(例如,内核142)的适当较低级别用于处理。注意,虽然壳140是基于文本的面向行的用户界面,但是本发明将同样地支持其他用户界面模式,诸如图形、语音、手势等。
如图所示,OS 138还包括内核142,其包括用于OS 138的较低级别的功能,包括提供OS 138和应用程序144的其他部分所需的基本服务,包括存储器管理、进程和任务管理、磁盘管理以及鼠标和键盘管理。
应用程序144包括以示例性方式显示为浏览器146的呈现器。浏览器146包括使万维网(WWW)客户(即,计算机102)能够使用超文本传输协议(HTTP)消息,向因特网发送和接收网络消息的程序模块和指令,从而实现与软件部署服务器150和其他计算机系统的通信。
计算机102的系统存储器(以及软件部署服务器150的系统存储器)中的应用程序144还包括传感器数据处理逻辑(SDPL)148。SDPL 148包括用于实现下面描述的处理(包括在图2-8中描述的那些)的代码。在一个实施例中,计算机102能够从软件部署服务器150下载SDPL 148,包括在按需的基础上,其中SDPL 148中的代码直到执行需要才被下载。还要注意,在本发明的一个实施例中,软件部署服务器150执行与本发明相关联的所有功能(包括SDPL 148的执行),从而使计算机102不必使用其自己的内部计算资源来执行SDPL 148。
注意,计算机102中描绘的硬件元件并不旨在是穷举的,而是代表着突出显示本发明所需的基本组件。例如,计算机102可以包括诸如磁带盒、数字通用盘(DVD)、伯努利盒等的备用存储器存储设备。这些和其它变化旨在在本发明的精神和范围内。
现在参考图2,呈现根据本公开的一个或多个实施例的用于传感器系统252(类似于图1中的传感器系统152)及其用途的示例性架构。如本文所述,在本发明的示例性实施例中,传感器系统252内没有处理器。因此,与使用处理器来管理传感器数据的现有技术中的传感器系统相比,速度较高而功率需求较低。因此,任何处理器使用被限制在监视系统202(类似于图1中的计算机102),其监视来自传感器系统252的操作和/或接收来自传感器系统252的读数。传感器系统252的组件结合由传感器系统252执行的示例性操作(如步骤1-12所示)来描述。
在步骤1,天线201从监测系统202接收信号和环境能量。示例性信号包括但不限于询问信号、激活信号等,而环境能量是从监视系统202发送到天线201的能量(例如,射频(RF)能量)。
例如,假设监视系统202向天线201发送RF信号,请求更新由传感器208捕获的传感器数据。该RF信号实现两个结果。首先,RF信号本身是能量,并且因此可以由环境功率收集设备204转换成电能,从而为传感器系统252和/或其中的特定组件供电。第二,RF信号可以包含可由突触神经网络核心(SNNC)212解释的基本指令,导致某些操作(例如,激活传感器208、将传感器读数从传感器208发送到寄存器210、将这些读数转换为合成事件标识符等,如本文所述)。
在步骤2,其它环境力由环境功率收集设备(APCD)204转换成电力。这种环境力可以是机械、化学、电气、基于压力、基于照片、基于声音的、热电等。
例如,由APCD 204处理的机械力可以是传感器系统252的物理加速度,其在通过风、水和其它自然力或者通过传感器系统252附接到的用户/系统的移动对传感器系统252施加加速度运动时发生。传感器系统252和APCD 204的移动迫使APCD 204内的物理设备(例如,加速度计或任何其它可移动/可偏转物品)将加速度的物理运动转换为电能。用于将物理运动转换为电能的示例性设备包括但不限于压电发生器、压电纳米发生器、利用生物材料的压电特性在生物材料(例如细菌)移动/变形时产生电力的病毒电子系统、半导体压电器件等。
将化学能转换成电能可以通过使用将环境氧转化成氧离子以产生电子流的固体氧化物燃料电池(SOFC)、通过氧化燃料产生电的微型燃料电池等来实现。在一个实施例中,燃料被储存在APCD 204内。然而,在优选实施例中,燃料从环境空气中抽取。
将一种形式的电能(诸如RF信号)转换成可用的DC电流可以通过使用整流天线(即,使用二极管和/或晶体管来转换高频RF信号转换为直流电压的“整流天线”来实现)、电压倍增器电路、肖特基二极管、磁共振近场耦合等来实现。(非DC)电能源可以来自监控系统202的RF信号,或者可以来自环境电气条件,诸如由附近电力线产生的电磁场。
将压力转换成电可以通过使用将压力变化转换为电的压电晶体来实现。压力变化的来源可能是大气变化(例如,在天气前沿发生的大气压力的变化等)、海洋变化(例如,随着传感器系统252在水下更深处的压力变化)等。转换声压到电力也使用这种压敏设备。
将光转换成电(基于光的发电)可以通过使用光伏电池来实现。光的来源是自然(阳光、月光、星光)或人造(例如,灯泡)的环境光。
将热转换成电(热电)使用热电偶、热敏电阻、珀尔帖冷却器等,其使用热量来引起两种材料之间的接合部的移动,从而发电。热源包括环境条件,诸如太阳产生的热量、附近机械/发动机产生的热量等。
在本发明的一个或多个实施例中,APCD 204的电力产生也用作传感器208和/或SNNC 212的触发/启用。例如,假设APCD 204将振动转换成电。进一步假设APCD 204安装在桥上。如果桥上没有交通,则APCD 204没有振动,因此不产生电力。然而,如果光通信量在桥上,则会产生光量的电量,从而导致传感器208中的几个运动检测器导通。类似地,如果桥上的交通量很大,则将产生更大量的电力,从而导致传感器208中的更多运动检测器导通。
假设进一步为了说明的目的,为了安全目的,传感器系统252用于监测桥,并且传感器系统252检测桥的振动。如果只有轻微的交通(例如,几辆车)正在穿过桥梁,则APCD204仅从其运动到电力转换器产生足够的功率来为传感器208中的几个振动检测器加电。这几个读数可以不启动SNNC 212和/或射频识别(RFID)应答器设备214内的活动以报告读数。然而,如果交通繁忙(例如,对于正在保护接入的任何桥梁存在威胁的大型卡车),则APCD204产生更多的电力,导致1)传感器内的更多的运动检测器被激活,和/或2)SNNC 212以启动附加活动,诸如生成警报,和/或3)启用RFID应答器设备214发出警报/警告。因此,APCD 204允许传感器系统252“安静”,直到存在一些状况(例如,大型卡车在桥上移动),并且因此在不发生事件的时段期间对抗活动是不可察觉的。
继续如图2所示,在步骤3中,捕获的能量存储在能量存储设备206中。如下所述,在优选实施例中,能量存储设备206是基于电容器的,使用具有高电容和低内阻的电容器。这允许电容器(从APCD 204)快速充电并容易地放电(到传感器208和/或SNNC 212)。然而,如下所述,在一个实施例中,外部高欧姆电阻器在能量存储设备206和传感器208和/或SNNC212之间,从而允许电力在较长时间内流到传感器208和/或SNNC 212。
在图2的步骤4中,SNNC 212由来自能量存储设备206的能量供电。对SNNC 212供电具有若干潜在的影响。首先,SNNC 212可以加载先前存储在寄存器210中的任何传感器数据,其存储由传感器208读取的读数。其次,SNNC 212可以引导传感器208开始获取新的传感器读数。第三,SNNC 212可以引导RFID应答器设备214将来自寄存器210的读数和/或从其导出的数据(例如,下面描述的合成事件描述符)发送到监视系统202。
在图2的步骤5中,传感器208被加电。在步骤6中,SNNC 212指示传感器208获取新的读数。这一系列步骤假设SNNC 212正在引导传感器208的操作。然而,如下面的实施例所述,传感器208的操作可以由传感器208直接启动。
继续其中SNNC 212控制传感器208的实施例,在步骤7中,来自传感器208的读数被发送到寄存器210。如由模数转换器(ADC)209所示,在一个实施例中,由传感器208取得的读数最初是模拟的(例如,产生对应于由传感器208捕获的运动、光、声音等的强度的电压电平)。寄存器210可以是先进先出(FIFO)缓冲器、循环缓冲器、任何类型的非易失性存储器等,其能够仅存储数字(二进制)信息,因此需要使用ADC 209。在优选实施例中,来自传感器208的(数字化)读数是位,而不是字节。也就是说,在寄存器210中仅发送少量的信息(例如,6-10位),从而保持带宽并降低功耗。
在图2的步骤8中,,寄存器210的内容被加载到SNNC 212中,其中它被转换成用于存储在寄存器210中的期望形式(步骤9)。也就是说,寄存器210可以具有两个不同的缓冲器:一个用于来自传感器208的传感器数据,一个用于来自SNNC 212的处理数据。可替代地,来自SNNC 212的处理数据可以覆盖来自传感器208的传感器数据,从而进一步减小寄存器210的大小。
如下所述,来自SNNC 212的处理的数据可以包括从传感器208接收的实际数据。然而,在优选实施例中,来自SNNC 212的处理的数据是比来自传感器208的实际数据更小的分组,诸如合成事件标识符(下面讨论),从而减少了将信息从传感器系统252发送到监视系统202的带宽需求。
在步骤10中,RFID应答器设备214假定SNNC 212未将(或还未将)这样数据推送到RFID应答器设备214,从SNNC 212请求数据(原始或处理的)。
在步骤11中,RFID应答器设备214从寄存器210读取数据(原始或处理的),并将该数据附加到用于RFID应答器设备214的RFID标识号。
在步骤12中,RFID应答器设备214将数据(原始或处理的)发送到天线201,天线201将数据(原始或处理的)发送到监控系统202。
参考图3和图4,呈现如图2所示的传感器系统252和/或其中的组件的附加细节。图3描绘了图2中示出的环境功率收集设备204、能量存储设备206、传感器208和SNNC 212。然而,图3还呈现了能量存储设备206以及高欧姆电阻器309的附加细节。
如本文所述,能量存储设备206包括电阻器/电容器(R/C)电路306。如图4所示,这包括高电容电容器404(例如,超过10微法)和低电阻电阻器402(例如,由于其允许预定安培数通过电阻器402的能力而选择)。因此,当从环境功率收集设备204接收到电力时,电子积聚在电容器404的下板上,然后通过电阻器402泄漏到高欧姆电阻器309。
可替代地,可以是击穿晶体管或击穿二极管(诸如所示的齐纳二极管307)的击穿电压半导体控制电子到高欧姆电阻器309的流动。例如,假设电阻器402是相对较高,使得其提供了来自能量存储设备206的电流强度的显著阻塞,包括存储在电容器404上的电流。然而,电容器404的充电导致电压梯度,其由齐纳二极管307检测。当这样电压达到预定的高电平,则齐纳二极管307击穿,允许电流自由地从环境电力收集设备204和/或电容器404流到高欧姆电阻器309。当电压达到预定的低电平(由于通过齐纳二极管307从电容器404上的板之一释放电子),则齐纳二极管307再次闭合,从而随着齐纳二极管307打开和闭合产生电流峰值。这些电流尖峰使得传感器208和/或SNNC 212和/或传感器系统252内的其他部件打开和关断。
基于传感器208和/或SNNC 212应被供电多长时间,选择高欧姆电阻器309。也就是说,通过使用高电阻电阻器309,其仅允许涓流电流(但仍足以为传感器208和/或SNNC 212供电),则传感器208和/或SNNC 212能够操作用于扩展的时段。然而,通过使用允许更大的电流强度的高欧姆电阻器309,则传感器208和/或SNNC 212能够在更短的、间断时间段内操作。
图5描绘了SNNC 212的示例性操作细节。如图5所示,SNNC 212不使用任何处理器。相反,SNNC 212是使用电子神经元之间的突触连接为系统提供必要逻辑的非复杂电路。在本发明的一个实施例中,突触连接是由电子神经元上的信号的强度来控制的晶体管。例如,假设传感器208已经产生了表示强振动水平的信号。这种强烈的振动水平可以被转换成一定的电压(例如,在4.0和5.0VDC之间)。该电压电平(在4.0和5.0VDC之间)将足以导通构成突触连接的晶体管,从而连接两个电子神经元,如图5所示。然而,如果传感器208仅检测到光振动,则将产生较低电压信号(例如,1.0和2.0VDC之间)。这种较低的电压不足以导通作为突触连接的晶体管,从而防止两个电子神经元耦合。
如上所述,在一个实施例中,SNNC 212控制传感器208、寄存器210和/或RFID应答器设备214的操作。然而,为了说明SNNC 212的操作,假设传感器208与SNNC 212直接交互(不使用图2所示的寄存器210而不被SNNC 212控制)。然而,应当理解,传感器208和/或SNNC212中描述的操作特征可应用于任何使用,包括SNNC 212控制传感器208的操作的任何使用。
如图5所示,假设传感器208包括多个感测单元。在本发明的实施例中,这些感测单元包括兴奋性感测单元(E感测单元502a-502b)以及抑制性感测单元(I感测单元504a-504b)。如图6所示,如表602所示,这些不同类型的感测单元被触发(并因此产生传感器读取输出)。例如,感测单元可被设计为检测加速度运动。因此,E感测单元502a可被设计成在一个方向上检测加速度(“正”加速度),而I感测单元504a可以检测相反方向的加速度(“负”加速度或“减速”)。
类似地,当被配置为光传感器时,E感测单元502b可以被配置为检测光,而I感测单元504b可以被配置为在亮度水平条纹感测单元504b低于某一特定水平(“黑暗”)时,触发输出。这为传感器208提供了检测尖锐的光边缘的能力。
类似地,当配置为声音传感器时,E感测单元502a可以被配置为检测正声压,而I感测单元504a可以被配置为响应于检测到来自声波的负压而触发输出。这为传感器208提供产生声波的整个声音/压力谱(正压和负压)的更详细的表示的能力。
类似地,当配置为振动传感器时,E感测单元502a可以被配置为检测正振动压力(即,“推”),而I感测单元504a可以被配置为在检测到负振动压力(即,“拉”)时触发输出。这为传感器208提供了产生物理振动的整个频谱(正压和负压)的更详细描述的能力。
类似地,当配置为湿度传感器时,E感测单元502a可以被配置为检测湿度,而I感测单元504a可以被配置为检测干燥度。这为传感器208提供了产生“湿”环境条件如何的更广谱描述的能力。
如图5所示,来自E感测单元502a-502b和I感测单元504a-504b的输出经由SNNC212内的电子神经元510的阵列传送。水平神经元510通过电子突触选择性地耦合到垂直神经元510,被描绘为诸如突触514的实心圆。如图所示,来自E感测单元502a-502b(其例如可以是1或0)的输出可以被来自I感测单元504a-504b(其输出可以是0或-1)的输出抵消。
例如,假设E感测单元502a正在输出“1”,则I感测单元504a输出“0”,E感测单元502b正在输出“1”,I感测单元504b正在输出“-1”,如图5所示。神经元510之间的突触连接器导致所示的值“0101”被存储在SNNC缓冲器516中。然后,来自SNNC缓冲器516的值连同来自ID锁存器/缓冲器507的标识符(ID)一起发送(使用标识传感器208的传感器ID锁存/缓冲器506和/或描述传感器208的传感器类型的数据)到合成事件(SE)SNNC 512。
SE SNNC 512利用与为SNNC 212所示的类似的架构。也就是说,没有处理器,而是专用电路,其响应数据的几位(例如,在图5所示的示例中为5)以生成合成事件描述符518。如图5中的示例所示,保持在ID锁存/缓冲器507中的值为“1”。因此,将“10101”(来自ID锁存/缓冲器507的“1”和来自SNNC缓冲器516的“0101”)发送到SE SNNC 512中的神经元,它们以图5中针对SNNC 212所描述的方式突触耦合。SE SNNC 512的输出是合成事件描述符518。
合成事件描述符518可以仅仅是附加到存储在SNNC缓冲器516中的值的ID锁存/缓冲器507中存储的值。在该实施例中,存储在ID锁存器/缓冲器507中的值是上下文对象,并且存储在SNNC缓冲器516中的值创建非上下文数据对象。在本发明的实施例中,上下文对象为非上下文数据提供上下文,并因此提供意义。例如,直到与编码的上下文数据相关联(例如,表示非上下文数据来自振动传感器的“1”),非上下文数据“0101”才是无意义的。因此,这些值一起创建合成的基于上下文的对象,使得来自ID锁存器/缓冲器507的“1”从SNNC缓冲器516提供非上下文数据“0101”的上下文。
现在参考图7,呈现了示例性合成的基于上下文的对象702的附加细节。非上下文数据对象704是无意义的数据对象,因为它没有上下文。因此,在来自图5的示例中,来自SNNC 516的“0101”是无意义的,因为值“0101”没有上下文。然而,当与上下文对象706(例如,来自ID锁存器/缓冲器507的值)相关联时,则可以创建合成的基于上下文的对象702。也就是说,来自ID锁存/缓冲器507的值描述了描述传感器208的传感器类型(例如,加速度计、光传感器、声音传感器、化学传感器等)。利用该信息,值“0101”变得有意义,如描述加速度、光照等。
回到图7,为了示例性目的,假设非上下文数据对象704包括五位。进一步假设来自ID锁存/缓冲器507的值“0”提供指示传感器是振动传感器的上下文信息。类似地,假设来自ID锁存/缓冲器507的值“1”提供指示传感器是湿度检测器的上下文信息。在一个实施例中,合成基于上下文的对象702仅仅是上下文对象706的级联(例如,用于振动传感器ID的“0”)和非上下文数据对象704(例如,用于描述桥上的车辆交通的传感器读数“01100”)。然而,在优选实施例中,通过图5所示的SE SNNC 512来减少合成基于上下文的对象702到更小的价值。例如,合成的基于上下文的“00”对象可以指示已经在桥上检测到车辆交通;“01”可能表示在桥上检测到行人交通;“10”可能表明已经检测到干燥条件;和“11”可以指示已经检测到湿条件。因此,相对于如果合成的基于上下文的对象仅仅是非上下文数据对象704和上下文对象706的级联,更小大小(例如,两比特)的合成的基于上下文的对象需要更少的带宽,传输速度更快,需要更少的传输功率等等。然而,如果功率/时间资源允许,则非上下文数据对象704和上下文对象706的级联将提供特定传感器正在检测什么的更多细节。
如上所述,在本发明的一个实施例中,SNNC 212控制传感器208的操作,和/或从寄存器210接收由传感器208生成的数据。在该实施例中,图5中示出的到SNNC 212中的输入神经元是来自寄存器210。由SNNC 212执行的操作类似于上述那些,除了传感器读数来自寄存器210而不是直接来自传感器208。
如图2所示,RFID应答器设备214被描述为使用RFID。这允许系统在存储如本文所述的传感器数据和/或合成的基于上下文的对象时利用RFID的架构。现在参考图8,呈现了在本公开的一个或多个实施例中使用的示例性转发器设备。图8描绘了示例性的具有芯片的RFID标签802,其是具有车载IC芯片804和耦合天线806的无源RFID标签。IC芯片804存储由传感器系统(例如,图2中示出的传感器系统252)生成的发送信息。IC芯片804可以包含低功率源(例如,未示出的,由耦合天线806接收的询问信号充电的电容器)。当电容器被充电时,RFID标签802然后产生无线电信号,其可以包括来自传感器208和/或存储在IC芯片804中的寄存器210的传感器信息,以由耦合天线806广播。该无线电信号可以是从IC芯片804(即,图2中的RFID应答器设备214)直接发送,或者可以利用图2所示的天线201。如果RFID应答器设备214没有天线(例如,图8所示的耦合天线806),则RFID应答器设备214将使用天线201。
因此,如图1到8所描述和/或描绘的,本发明的一个或多个实施例提供了一种传感器系统(例如,图2所示的传感器系统252),其包括:能量存储设备(图2中的元件206);电耦合到所述能量存储设备的间歇性能量释放设备,其中所述间歇性能量释放设备使所述能量存储设备间歇地释放存储的能量(如图3至图4所示)。电耦合到能量存储设备(图2中的元件208)的传感器;电耦合到传感器的寄存器(图2中的元件210),其中寄存器存储来自传感器的读数;电耦合到传感器的突触神经网络核心(图2中的元件212),其中突触神经网络核心将来自传感器的读数转换为从读数和上下文对象导出的合成的基于上下文的对象;电耦合到突触神经网络核心的应答器(图2中的元件214);以及在应答器内的存储缓冲器(图8中的元件804),其中存储缓冲器存储合成的基于上下文的对象以供应答器发送到监视系统。
在本发明的实施例中,传感器系统包括:能量存储设备(图2中的元件206);电耦合到所述能量存储设备的间歇性能量释放设备(参见图3和图4),其中所述间歇性能量释放设备使所述能量存储设备间歇地释放存储的能量;电耦合到间歇性能量释放设备的突触神经网络核心(图2中的元件212),其中突触神经网络核心将来自传感器的读数转换成从读数和上下文对象导出的合成的基于上下文的对象;电耦合到突触神经网络核心的应答器(图2中的元件214);以及在应答器内的存储缓冲器(图8中的元件804),其中存储缓冲器存储合成的基于上下文的对象以供应答器发送到监控系统。
图9是由一个或多个硬件设备执行以优化传感器操作的一个或多个操作的高级流程图。
在启动器块902之后,电能被存储在能量存储设备(例如,图2所示的能量存储设备206)中,如框904所述。
如块906所描述的那样,存储的电能被间歇地从能量存储设备释放到传感器(例如,图2中的传感器208),其中间歇地释放存储的来自能量存储设备的电能激活传感器中的一个或多个感测单元(例如,图5中的元件502/504)。
如块908所述,传感器中的一个或多个感测单元捕获传感器读数,如果需要,在发送到寄存器(例如,图2中的寄存器210)并且存储之前,将其转换成数字读数,如块912所述。
如块914所述,来自寄存器的读数被加载到突触神经网络核心(例如,图2中的元件212),在那里它们被转换成合成事件标识符,使得从读数和上下文对象生成合成的事件标识符。
如块916所述,将合成事件标识符加载到应答器设备(例如,图2中的元件214)上的寄存器(例如,图8中的元件804)中。合成事件标识符从应答器设备发送到监视系统(例如,图2中的元件202)。流程图在终止块918处结束。
在本发明的一个实施例中,上下文对象是用于传感器的传感器类型的标识符。例如,上下文对象可以是传感器类型(例如,加速度计、温度计、湿度计等)的标识符,而不是特定的传感器本身(例如,“传感器#1”,来自UUID的信息,部件号等)。
在本发明的一个实施例中,从环境力产生功率。功率由耦合到能量存储设备的环境功率收集设备(例如,图2中的元件204)产生。如本文所述,环境功率收集设备将环境力转换成电。在本发明的各种实施例中,环境力来自包括射频能量、热量、电感应力、加速力和振动的组。
在本发明的一个实施例中,本文所述的间歇性能量释放设备包括击穿二极管(例如,图4中的元件307)。在本发明的一个实施例中,间歇能量释放设备包括击穿晶体管,功能上类似于图4中的元件307。
在本发明的一个实施例中,用于传感器的传感器类型的标识符作为上下文对象被存储在传感器标识寄存器(例如,图5中的元件507)。响应于感测与物理状况相关联的第一类物理事件,传感器内的一组或多个兴奋性感测单元(例如,图5中的元件502a-502b)产生第一种类型的信号。第一种类型的信号在第一类型的电子神经元上传输(参见图5)。响应于感测与物理状况相关联的第二类物理事件,传感器内的一组或多个抑制性感测单元(例如,元件504a-504b)产生第二种类型的信号。第二种类型的信号在第二类型的电子神经元上传输。突触神经网络核心内的一组突触连接将第一类型的电子神经元和第二类型的电子神经元选择性地耦合到非上下文对象寄存器(例如,图5中的元件516)。非上下文对象寄存器存储从该组突触连接接收的非上下文数据。电耦合到合成事件描述符寄存器和传感器标识寄存器的合成事件突触神经网络核心(例如,图5中的元件512)从非上下文对象寄存器和传感器标识寄存器的内容生成合成事件描述符。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本文使用的术语仅用于描述特定实施例的目的,而不是限制本发明。如本文所使用的,单数形式“一”,“一”和“该”也旨在包括复数形式,除非上下文另有明确指示。将进一步理解,当在本说明书中使用时,术语“包括”和/或“包括”指定所述特征、整体、步骤、操作元件和/或部件的存在,但不排除存在或添加一个或多个其它特征、整数、步骤、操作、元件、组件和/或其组合。
所附权利要求中的所有方式或步骤加上功能元件的相应结构、材料、作用和等同物旨在包括与特别要求保护的其它要求保护的元件相组合地执行该功能的任何结构,材料或动作。为了说明和描述的目的,已经提出了本发明的各种实施例的描述,但并不旨在以所公开的形式穷举或限制于本发明。在不脱离本发明的范围和精神的情况下,许多修改和变化对于本领域普通技术人员是显而易见的。选择和描述实施例以便最好地解释本发明的原理和实际应用,并且使得本领域普通技术人员能够使用适合于特定用途的各种修改的各种实施例来理解本发明可以预期的。
还要注意,本公开中描述的任何方法可以通过使用VHDL(VHSIC硬件描述语言)程序和VHDL芯片来实现。VHDL是现场可编程门阵列(FPGA),专用集成电路(ASIC)和其他类似电子设备的示例性设计入门语言。因此,本文描述的任何软件实现的方法可以由基于硬件的VHDL程序来仿真,然后将其应用于诸如FPGA的VHDL芯片。
已经详细描述了本申请的本发明的实施例并通过参考其示例性实施例,将显而易见的是,在不脱离在所附权利要求中限定的本发明的范围的情况下,修改和变化是可能的。

Claims (14)

1.一种传感器系统,包括:
能量存储设备;
电耦合到所述能量存储设备的间歇性能量释放设备,其中所述间歇性能量释放设备使得所述能量存储设备间歇地释放存储的能量;
电耦合到所述能量存储设备的突触神经网络核心,其中所述突触神经网络核心将从连接的传感器接收的读数转换成从所述读数和上下文对象导出的合成的基于上下文的对象;
电耦合到所述突触神经网络核心的应答器;以及
所述应答器内的存储缓冲器,其中所述存储缓冲器存储所述合成的基于上下文的对象,以由所述应答器发送到监视系统。
2.根据权利要求1所述的传感器系统,还包括电耦合到所述能量存储设备和所述突触神经网络核心的传感器。
3.根据权利要求2所述的传感器系统,还包括:
电耦合到所述传感器的寄存器,其中所述寄存器存储来自所述传感器的读数。
4.根据前述权利要求的任一项所述的传感器系统,还包括:
突触连接,其电连接突触神经网络核心内的电子神经元,其中所述突触连接将来自所述传感器的传感器读数转换为与上下文对象一起使用的非上下文数据对象,以生成所述合成的基于上下文的对象。
5.根据前述权利要求的任一项所述的传感器系统,还包括:
耦合到所述能量存储设备的环境功率收集设备,其中所述环境功率收集设备将环境力转换成电力。
6.根据权利要求5所述的传感器系统,其中所述环境力来自包括射频能量、热量、电感应力、加速度力和振动的组。
7.根据前述权利要求的任一项所述的传感器系统,其中所述间歇能量释放设备包括击穿二极管。
8.根据前述权利要求的任一项所述的传感器系统,还包括:
传感器标识寄存器,其中所述传感器标识寄存器将所述传感器的标识符存储为所述上下文对象;
所述传感器内的一个或多个兴奋性感测单元的集合,其中响应于感测与物理状况相关联的第一类型的物理事件,兴奋性感测单元产生第一类型的信号,并且其中所述第一类型的信号在第一类型的电子神经元上发送;
所述传感器内的一个或多个抑制性感测单元的集合,其中响应于感测与物理状况相关联的第二类型的物理事件,抑制性感测单元产生第二类型的信号,并且其中所述第二类型的信号在第二类型的电子神经元上发送;
在所述突触神经网络核心内的突触连接的集合,其将所述第一类型的电子神经元和所述第二类型的电子神经元选择性地耦合到非上下文对象寄存器,其中所述非上下文对象寄存器存储从所述突触连接的集合接收的非上下文数据;以及
电耦合到合成事件描述符寄存器和传感器标识寄存器的合成事件突触神经网络核心,其中所述合成事件突触神经网络核心从所述非上下文对象寄存器和传感器标识寄存器的内容生成合成事件描述符。
9.根据前述权利要求的任一项所述的传感器系统,还包括:
电阻器,其将所述间歇性能量释放设备电耦合到所述传感器,其中,所述电阻器的尺寸设计成允许电力传输到所述传感器预定的时间量。
10.一种优化传感器操作的方法,所述方法包括:
将电能存储在能量存储设备上;
将存储的电能从所述能量存储设备间歇地释放到传感器,其中从所述能量存储设备间歇地释放存储的电能激活所述传感器中的一个或多个感测单元;
通过所述传感器中的一个或多个感测单元捕获传感器读数;
将所述读数发送到寄存器用于存储;
将所述寄存器中的读数加载到突触神经网络核心上;
通过所述突触神经网络核心将读数转换成合成事件标识符,其中从所述读数和上下文对象生成所述合成事件标识符;
将所述合成事件标识符加载到应答器设备上的寄存器上;以及
将所述合成事件标识符从所述应答器设备发送到监视系统。
11.根据权利要求10所述的方法,其中所述上下文对象是所述传感器的传感器类型的标识符。
12.根据权利要求10或11所述的方法,还包括:
从环境力产生功率,其中所述功率由耦合到所述能量存储设备的环境功率收集设备产生,其中所述环境功率收集设备将环境力转换成电力,并且其中所述环境力包括射频能量、热量、电感应力、加速度力和振动的组。
13.根据权利要求9所述的方法,其中所述间歇能量释放由击穿二极管执行。
14.根据权利要求10至13中任一项所述的方法,还包括:
在传感器标识寄存器上存储所述传感器的传感器类型的标识符作为所述上下文对象;
由所述传感器内的一个或多个兴奋性感测单元的集合,响应于感测与物理状况相关联的第一类型的物理事件,产生第一类型的信号,并且其中所述第一类型的信号在第一类型的电子神经元上发送;
由所述传感器内的一个或多个抑制性感测单元的集合,响应于感测与物理状况相关联的第二类型的物理事件,产生第二类型的信号,并且其中所述第二类型的信号在第二类型的电子神经元上发送;
由所述突触神经网络核心内的突触连接的集合,将所述第一类型的电子神经元和所述第二类型的电子神经元选择性地耦合到非上下文对象寄存器,其中所述非上下文对象寄存器存储从所述突触连接的集合接收的非上下文数据;以及
由电耦合到合成事件描述符寄存器和传感器标识寄存器的合成事件突触神经网络核心,从所述非上下文对象寄存器和传感器标识寄存器的内容生成合成事件描述符。
CN201580060376.4A 2014-11-07 2015-10-07 基于突触神经网络核心的传感器系统 Active CN107077635B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/535,779 2014-11-07
US14/535,779 US9881253B2 (en) 2014-11-07 2014-11-07 Synaptic neural network core based sensor system
PCT/IB2015/057666 WO2016071783A1 (en) 2014-11-07 2015-10-07 Synaptic neural network core based sensor system

Publications (2)

Publication Number Publication Date
CN107077635A true CN107077635A (zh) 2017-08-18
CN107077635B CN107077635B (zh) 2020-08-25

Family

ID=55908660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580060376.4A Active CN107077635B (zh) 2014-11-07 2015-10-07 基于突触神经网络核心的传感器系统

Country Status (6)

Country Link
US (2) US9881253B2 (zh)
JP (1) JP6587682B2 (zh)
CN (1) CN107077635B (zh)
DE (1) DE112015005058T5 (zh)
GB (1) GB2547840B (zh)
WO (1) WO2016071783A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111656371A (zh) * 2018-01-23 2020-09-11 美商安纳富来希股份有限公司 具有非易失性突触阵列的神经网络电路

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10816940B2 (en) * 2016-10-17 2020-10-27 Ulala Lab Inc. Sensor controller and sensor assembly for collecting a variety of machine related operations data
CN112368908B (zh) * 2018-07-18 2024-04-19 三菱电机株式会社 整流天线控制器以及具备该整流天线控制器的整流天线装置
US11537855B2 (en) 2018-09-24 2022-12-27 International Business Machines Corporation Low spike count ring buffer mechanism on neuromorphic hardware
CN110728360B (zh) * 2019-10-12 2020-07-03 联合微电子中心有限责任公司 一种基于bp神经网络的微能源器件能量识别方法
GB2623368A (en) * 2022-10-14 2024-04-17 Vodafone Group Services Ltd Ambient powered device and mobile telecommunications network

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3609503A (en) * 1969-10-20 1971-09-28 Mcculloch Corp Termination of rapid charging of batteries
US20030081121A1 (en) * 2001-10-30 2003-05-01 Kirmuss Charles Bruno Mobile digital video monitoring with pre-event recording
CN101853426A (zh) * 2010-05-21 2010-10-06 南京邮电大学 普适计算环境中基于神经网络的上下文融合方法
US20120246499A1 (en) * 2005-05-30 2012-09-27 Jessup Holden D Self-Powered Devices and Methods
CN102947818A (zh) * 2010-05-19 2013-02-27 加利福尼亚大学董事会 神经处理单元
CN103430483A (zh) * 2011-03-03 2013-12-04 瑞典爱立信有限公司 用于确定通信系统中的关联事件的技术

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5517429A (en) 1992-05-08 1996-05-14 Harrison; Dana C. Intelligent area monitoring system
US20070205881A1 (en) * 2000-09-08 2007-09-06 Automotive Technologies International, Inc. Energy Harvesting Systems and Methods for Vehicles
US6218687B1 (en) 1998-12-21 2001-04-17 General Atomics Smart microsensor arrays with silicon-on-insulator readouts for damage control
US7484008B1 (en) 1999-10-06 2009-01-27 Borgia/Cummins, Llc Apparatus for vehicle internetworks
US7266532B2 (en) 2001-06-01 2007-09-04 The General Hospital Corporation Reconfigurable autonomous device networks
NZ530434A (en) 2001-07-02 2005-01-28 Battelle Memorial Institute Intelligent microsensor module
US7436789B2 (en) 2003-10-09 2008-10-14 Sarnoff Corporation Ad Hoc wireless node and network
JP4415789B2 (ja) * 2004-08-20 2010-02-17 株式会社日立製作所 無線通信システム
US8615374B1 (en) 2006-06-09 2013-12-24 Rockwell Automation Technologies, Inc. Modular, configurable, intelligent sensor system
US7603004B2 (en) 2006-06-12 2009-10-13 University Of Missouri Rolla Neural network demodulation for an optical sensor
JP4760614B2 (ja) * 2006-08-29 2011-08-31 パナソニック電工株式会社 信号識別装置の学習データの選択方法
JP2008269215A (ja) * 2007-04-19 2008-11-06 Nippon Telegr & Teleph Corp <Ntt> 特異パターン検出システム、モデル学習装置、特異パターン検出方法、及び、コンピュータプログラム
US8036847B2 (en) 2008-09-25 2011-10-11 Rockwell Automation Technologies, Inc. Maximum information capture from energy constrained sensor nodes
CN101420772A (zh) 2008-11-20 2009-04-29 中山大学 一种智能供能式光电一体化无线传感器
CN101957600A (zh) 2009-07-16 2011-01-26 上海海洋大学 水质检测无线传输采集节点装置及信息融合方法
CN101839684A (zh) 2010-03-09 2010-09-22 南京航空航天大学 压电换能器及基于压电能量回收的智能无线传感网络节点
US9092962B1 (en) 2010-04-16 2015-07-28 Kontek Industries, Inc. Diversity networks and methods for secure communications
JP5822261B2 (ja) 2011-06-23 2015-11-24 セイコーインスツル株式会社 端末装置、通信システム及び端末装置の起動方法
CN102255965A (zh) 2011-07-06 2011-11-23 无锡泛太科技有限公司 一种基于粗糙集bp神经网络的多传感器融合物联网试验平台
US8990033B2 (en) 2011-07-27 2015-03-24 International Business Machines Corporation Monitoring operational conditions of a cargo ship through use of sensor grid on intermodal containers

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3609503A (en) * 1969-10-20 1971-09-28 Mcculloch Corp Termination of rapid charging of batteries
US20030081121A1 (en) * 2001-10-30 2003-05-01 Kirmuss Charles Bruno Mobile digital video monitoring with pre-event recording
US20120246499A1 (en) * 2005-05-30 2012-09-27 Jessup Holden D Self-Powered Devices and Methods
CN102947818A (zh) * 2010-05-19 2013-02-27 加利福尼亚大学董事会 神经处理单元
CN101853426A (zh) * 2010-05-21 2010-10-06 南京邮电大学 普适计算环境中基于神经网络的上下文融合方法
CN103430483A (zh) * 2011-03-03 2013-12-04 瑞典爱立信有限公司 用于确定通信系统中的关联事件的技术

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111656371A (zh) * 2018-01-23 2020-09-11 美商安纳富来希股份有限公司 具有非易失性突触阵列的神经网络电路

Also Published As

Publication number Publication date
US20180174029A1 (en) 2018-06-21
US11010660B2 (en) 2021-05-18
GB2547840B (en) 2018-04-25
JP2017538192A (ja) 2017-12-21
WO2016071783A1 (en) 2016-05-12
JP6587682B2 (ja) 2019-10-09
CN107077635B (zh) 2020-08-25
GB2547840A (en) 2017-08-30
DE112015005058T5 (de) 2017-07-20
US20160132766A1 (en) 2016-05-12
US9881253B2 (en) 2018-01-30
GB201708295D0 (en) 2017-07-05

Similar Documents

Publication Publication Date Title
CN107077635A (zh) 基于突触神经网络核心的传感器系统
Mohammadi et al. Deep learning for IoT big data and streaming analytics: A survey
CN109840586A (zh) 自主机器中对有问题的传感器的基于深度学习的实时检测和校正
Khan et al. A self-powered multi-broadcasting wireless sensing system realized with an all-in-one triboelectric nanogenerator
WO2020185668A1 (en) Intelligent recognition and alert methods and systems
Giordano et al. A battery-free long-range wireless smart camera for face detection
Curtin et al. Deep learning for inexpensive image classification of wildlife on the Raspberry Pi
US11699078B2 (en) Intelligent recognition and alert methods and systems
WO2018140679A1 (en) A system for insect surveillance and tracking
Zhao et al. VibeBin: A vibration-based waste bin level detection system
McGarry et al. Development and successful application of a tree movement energy harvesting device, to power a wireless sensor node
Singh et al. Har using bi-directional lstm with rnn
Selmi et al. Two‐layer discriminative model for human activity recognition
Bakirtzis et al. Deep-learning-based multivariate time-series classification for indoor/outdoor detection
Pallasena et al. Context-sensitive smart devices-definition and a functional taxonomy
Wickenheiser et al. Design of energy harvesting systems for harnessing vibrational motion from human and vehicular motion
Amato et al. Towards multimodal surveillance for smart building security
Khan et al. Autonomous smart waste collection system using internet of things
Sarker et al. A bibliometric analysis of low-cost piezoelectric micro-energy harvesting systems from ambient energy sources: Current trends, issues and suggestions
Tang et al. Wireless real-time monitoring based on triboelectric nanogenerator with artificial intelligence
Aldawood et al. Self-powered self-contained wireless vibration synchronous sensor for fault detection
Dow et al. Mastering IOT: build modern IoT solutions that secure and monitor your IoT infrastructure
Carandell et al. Experimental Validation of a Fast-Tracking FOCV-MPPT Circuit for a Wave Energy Converter Embedded into an Oceanic Drifter
Yao et al. Pedestrian detection framework based on magnetic regional regression
Da Luz et al. Activities of daily living classification using depth features

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant