科研学术

分享到微信 ×
打开微信“扫一扫”
即可将网页分享至朋友圈
生命学院脑器交互团队在《IEEE神经网络与学习系统汇刊》发表最新研究成果
文:蔡吴缺 图:蔡吴缺 来源:生命学院 时间:2023-06-13 3333

  近日,生命科学与技术学院脑器交互团队在人工智能领域国际顶级期刊《IEEE神经网络与学习系统汇刊》(IEEE Transactions on Neural Networks and Learning Systems, IEEE TNNLS)发表题为《A Spatial-Channel-Temporal-Fused Attention for Spiking Neural Networks》的长文。博士生蔡吴缺为第一作者,尧德中教授与郭大庆教授为通讯作者。该研究受到科技创新2030—“脑科学与类脑研究”重大项目、国家自然科学基金委面上项目等项目的资助。

  脉冲神经网络(Spiking neural networks, SNNs)作为新一代人工智能模型,有效地模拟了生物大脑的计算模式,在时-空信息处理中展现了极高的表征能力。视觉注意是生物视觉系统筛选显著区域的动态过程,是人脑实现高效视觉信息处理的关键机制。尽管注意力机制已在计算视觉领域取得了巨大的成功,但目前还很少被引入到SNN模型中。

  大量的研究表明,视觉系统中短期历史信息的积累,可有效地增强其对潜在目标特征区域的定位。受这一生物脑机制的启发,本论文提出了一种新型空间-通道-时间融合的注意力SNN模型(Spatial-channel-temporal fused attention spiking neural network, SCTFA-SNN),创新地将注意的历史信息引入到类脑SNN模型中(图1),极大地提升了类脑模型的时-空信息处理能力。通过对多个动态视觉数据集的测试表明,SCTFA-SNN的性能明显优于传统SNN模型。与当前的SOTA结果相比,SCTFA-SNN在引入较小参数量和计算量的情况下,能够达到最佳的分类精度。最后,本文分别在引入噪声和数据不完整两种情况下,开展了系列测试,进一步验证SCTFA-SNN模型具有较强的鲁棒性与稳定性。

000.png

图1 模型示意图以及在多个手势识别任务上的注意力热力图

  《IEEE Transactions on Neural Networks and Learning Systems》由美国电气和电子工程师协会(IEEE)于1990年创办,是机器学习、神经网络以及人工智能领域的学术性期刊,旨在出版神经网络和学习系统方面的理论、设计和应用的技术性文章,是人工智能、机器学习、模式识别、机器视觉等多个研究领域的国际顶级期刊,也是中科院一区Top期刊,目前该期刊影响因子为14.255。

  团队介绍:

  脑器交互(Brain-Apparatus Communications)团队是神经信息教育部重点实验室最主要的科研团队之一,带头人为尧德中教授(美国医学生物工程院 Fellow,重点实验室主任),团队围绕脑器交互问题,着力神经信息检测、分析技术的创新发展,以及新技术在脑功能、脑疾病研究中的探索应用。近年来,该团队先后承担了包括科技创新2030—“脑科学与类脑研究”重大项目、国家自然科学基金重点项目、863项目、973课题、重大仪器专项课题在内的重大、重点项目20多项。在国际重要学术刊物发表SCI收录论文300余篇,申请国家专利20余项,获得教育部自然科学一等奖、国际脑电图与临床神经科学学会Roy John Award等多种奖项。在“十四五”期间,团队将继续以国家需求为指引,在科学研究、人才培养、国际合作和成果转化等方面作出应有贡献。

  论文链接:

  https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10138927


编辑:张闻起  / 审核:李果  / 发布:陈伟

"