大賽概況
類腦計算借鑒浙江弗爾德驅動科技有限公司了人腦存儲和處理信息的方式浙江弗爾德驅動科技有限公司,是基于神經形態(tài)工程發(fā)展起來的新計算技術。其與現代計算機相結合,將構成人工通用智能的基礎,并大幅提高智能處理能力,最終促進計算機、大數據、機器人、人工智能等的發(fā)展。當前歐盟和美國均斥巨資支持類腦計算的研究,而我國也即將啟動“腦科學與類腦研究”(中國腦計劃)以推動這項研究。在此背景下,首屆類腦計算應用設計大賽應運而生。
本屆大賽由清華大學科研院主辦,清華大學類腦計算研究中心、清華控股、啟迪控股承辦,吸引了來自47個國內外高校和研究所的229支隊伍報名參賽,參賽作品涵蓋硬件、算法、軟件等多個方面,經過嚴格的篩選與評審,最終組委會評選出16支隊伍晉級決賽(其中包含3支特邀隊伍)。
大賽獎項
創(chuàng)新特等獎1隊, 30萬人民幣
一等獎2隊,每隊 12萬人民幣
二等獎3隊,每隊 6萬人民幣
三等獎4隊,每隊 3萬人民幣
優(yōu)秀獎6隊,每隊 1.5萬人民幣
預賽二等獎16隊,每隊 0.5萬人民幣
大賽日程
決賽時間:
2017年10月14-15日(周六、日)
開幕式與特邀報告地點:
清華大學羅姆樓3層報告廳
參賽作品路演地點:
清華大學羅姆樓11層報告廳
決賽作品簡介
基于貝葉斯深度學習的大腦視覺信息解碼
中國科學院自動化研究所
本項目結合 fMRI 成像技術特點及人腦視覺信息處理的神經機制, 提出了一種基于貝葉斯學習及深度學習理論的視覺圖像重建算法:深度生成式多視圖模型。受人腦視覺通路中存在的層次化、Bottom-Up 和 Top-Down 機制的啟發(fā),我們設計了一種基于自編碼變分貝葉斯技術的高效模型求解方法。新算法能夠根據大腦對視覺刺激的響應重建視覺刺激內容,這不僅可以加深我們對人腦視覺信息處理機制的研究,還可以有力地促進新一代腦-機接口技術的發(fā)展。新算法為大腦信號解碼問題提供了一個科學合理的通用框架,具有很強的可擴展性,未來它有望被用于各式各樣的 “讀腦系統(tǒng)”。 本項目受何暉光研究員主持的國家自然科學基金重點項目《基于視覺信息編解碼的深度學習類腦機制研究》的支持。
基于認知與數據雙向驅動的復雜交通場景下的三維物體檢測模型設計
清華大學
本作品從人類對物體認知方法出發(fā),實現了高性能的復雜交通場景下的三維物體檢測與識別算法設計。
作品利用認知與數據雙向驅動的方法,通過分析場景高維語義信息和物體上下文交互的先驗知識,實現三維場景下的視覺模型構建和三維物體檢測。
作品主要的創(chuàng)新點為:提出了利用單目二維圖像信息提取物體三維坐標的算法模型;采用數據與認知雙向驅動的方式,實現了準確的物體檢測與姿態(tài)估計。
基于圖模型的開放式半監(jiān)督學習
南京大學
半監(jiān)督學習被認為是更符合人類認知的學習方式。然而,與人的學習方式相比,現有的半監(jiān)督學習模式還存在較大的局限性,其中最主要的問題在于:人的學習實際上是“開放式”的,不僅是以一種增量的方式獲取學習樣本,不斷獲取和學習新的知識,而且能夠在學習過程中對未知樣本進行預測,并根據環(huán)境的反饋結果將該樣本作為新的學習樣本來進一步強化大腦對該知識的掌握。受到人類對于新事物的認知過程的啟發(fā),我們提出了一種基于圖模型的開放式半監(jiān)督學習模型,該模型能夠以在線的方式,同時學習有標簽數據和無標簽數據,在學習過程中不斷調整模型自身以適應輸入樣本分布的動態(tài)變化,最終實現對所有樣本數據的識別和分類任務。
face of fonts | 字之魂
Singapore University of Technology and Design
Choosing an appropriate typeface is difficult due to the large libraries available on the internet and the subjective nature of design. Currently most typeface recommendation systems available to people are textbooks and blogs. We implement machine learning algorithms to analyse the correlation between typeface design and its semiotic meaning and thus recommend an appropriate typeface.
Our research culminates in a data-driven approach that takes in short sentences and recommends a font based on the meaning conveyed. This approach, overlooked by traditional Natural Language Processing techniques will improve the discovery of semantic meaning in text contextual analysis (deep learning) by incorporating.
基于皮層下視覺通路認知和抉擇機理的運動物體識別算法研究
北京師范大學
中國人民解放軍軍事科學院軍事醫(yī)學研究院
運動物體識別一直是人工智能的研究熱點,是眾多人工智能應用的理論基礎,其成果在社會的諸多領域都具有重要的應用價值。本項目從生物視覺的認知和抉擇機理出發(fā),尤其是從皮層下視覺通路對特殊運動模式的快速加工機制中獲取靈感,提出了新的類腦運動物體識別算法。該算法包括探測網絡、記憶網絡、和抉擇網絡三個模塊,用監(jiān)督學習訓練,實時對運動物體識別,并在步態(tài)識別任務上驗證了可行性。整個算法基于生物學合理的并行分布式的神經網絡模型,可以被仿腦芯片實現。
基于數據流的類腦計算仿真平臺
特拉華大學、清華大學
本作品是基于數據流架構的類腦仿真平臺,旨在通過細粒度異步程序執(zhí)行和資源調配,提高運算能力和速度,開拓解決現有高性能計算技術存在的運算速度低、可擴展性差、功耗高等缺陷的新途徑,為通用類腦智能系統(tǒng)提供高性能計算技術支持,利用數據流模型特點充分發(fā)揮類腦人工智能潛力。
基于憶阻突觸器件的脈沖神經網絡
華中科技大學
脈沖神經網絡被認為是第三代神經網絡,有更強的生物學基礎,潛在的開發(fā)利用能力強大,在類腦計算中極具應用前景。憶阻突觸器件作為一種新型信息納米器件,具有生物突觸模擬性,可以有機融合信息存儲與計算,實現類腦信息處理,而且其CMOS兼容性強,小尺寸所帶來的高集成度、低功耗等特點,都被認為是從根本上解決馮?諾依曼瓶頸的核心基礎單元,有望在大數據時代下突破摩爾定律?;诩{米突觸器件的脈沖神經網絡是真正硬件實現類腦計算的有力候選技術方案。本隊伍利用納米憶阻突觸器件在脈沖電學測試下展示的突觸可塑性學習行為,仿真搭建憶阻突觸脈沖神經網絡,成功高效實現模式識別等網絡學習任務,展現了良好的脈沖神經網絡特性。作品在未來目標捕捉、模式識別、智能戰(zhàn)斗機器人等領域有重要應用前景。
智能蛇形機器人
中山大學
在生物學中可以看到,由于蛇類具有獨特的身體結構和具有高度自由度運動步態(tài),它們可以較為容易地在不同的不規(guī)則區(qū)域移動。同樣的,蛇形機器人也有在這樣的特點。因此,蛇形機器人具有重要的研究價值和商業(yè)價值。蛇形機器人可以在許多人類和其他種類機器人不能工作的“禁區(qū)”執(zhí)行任務。我們項目組設計了兩款新型的蛇形機器人,裝配了完善的且不同種類的傳感器系統(tǒng),可以滿足不同的需求。本次實驗中, 我們提出了一種具有單目DVS的蛇形機器人的自主目標檢測和跟蹤控制方法。同時,我們也實現了很多基于項目、能夠應用在實際工作場景中的技術。
基于FPGA的神經網絡在線訓練加速器及增強學習的應用實現
清華大學
隨著神經網絡的快速發(fā)展,低功耗且高速的神經網絡部署硬件節(jié)點也有著日趨緊迫的需求。在這個大背景下,本作品旨在打造一個基于FPGA的能在線訓練的神經網絡高效加速器。
Learning to Recognize and Recall Arbitrary Sequences of Symbols in Neuromorphic Electronic Systems
University of Zürich and ETH Zürich
中國人民解放軍國防科技大學
We present a fully asynchronous mixed-signal analog/digital neuromorphic system capable of learning and recalling arbitrary sequences of arbitrary symbols. The system consists of a Dynamic Vision Sensor--a silicon retina--which generates events based on luminosity changes in a scene, a Dynamic Neuromorphic Asynchronous Processor which processes the visual event stream and recognizes the visual symbols that have been trained to recognize, and a Reconfigurable On-Line Learning Spiking neuromorphic processor which can learn and recall arbitrary sequences of the trained symbols with silicon neurons. In this work, we demonstrate the system using sequences of Chinese characters and numbers that are recognized and recalled robustly in real time.
基于脈沖神經網絡的時序軌跡識別應用
浙江大學
神經擬態(tài)的類腦計算(Neuromorphic Computing),又稱類腦工程(Neuromorphic Engineering),基本思路是將生物神經網絡的概念應用于計算機系統(tǒng)設計,針對智能信息處理的特定應用來提高性能與降低功耗。本項目主要關注基于脈沖神經網絡(Spiking Neural Network, SNN)的軌跡識別和預測系統(tǒng),我們分別設計了籃球投籃進球檢測、字母軌跡識別、運動想象相關的腦電信號分類等任務,從數據采集、特征提取到 SNN 網絡訓練,最后 SNN 網絡給出分類結果的時序軌跡識別系統(tǒng)。
基于脈沖編碼和脈沖時間學習的樂器識別算法
四川大學
我們提出了一種基于脈沖編碼和脈沖時間學習的類腦計算模型,用于識別音樂中的樂器。該模型包括一種高效的聽覺脈沖編碼方法和一種改進的魯棒脈沖學習算法。編碼方法能夠將樂音信號分解為離散且具有時序特性的時頻特征,同時最大化地保留信號中的信息,并將其映射為一種稀疏的脈沖模式;學習算法利用群體編碼方式對脈沖模式進行魯棒地學習并分類。為了驗證算法的有效性,我們在總時長為315分鐘,包含九類樂器的獨奏音樂單標簽數據集上進行實驗,達到了97.7%分類準確率,優(yōu)于傳統(tǒng)的高斯混合模型以及深度DBN模型,并且比當前樂器識別中最好的深度卷積神經網絡模型高出10.1%。在多標簽樂器分類實驗中,該算法的宏觀F1評測值為0.55,比深度卷積神經網絡模型僅低0.05。本工作展示了一種仿腦算法的有效應用方式,為深入研究類腦學習算法和類腦智能技術提供了重要基礎。
基于卷積神經網絡與虛擬現實技術的運動想象腦控手部外骨骼康復機器人
北京航空航天大學
本項目是一種針對腦卒中手部癱瘓患者的內源式外骨骼康復機器人,通過電極帽采集大腦運動功能區(qū)腦電信號,進而將數據通過藍牙傳輸至計算機,利用卷積神經網絡算法對想象內容進行識別,并將識別結果用于控制外骨骼及虛擬現實眼鏡中方塊的移動,通過上述過程幫助腦卒中病人康復中樞及周圍神經系統(tǒng)和運動系統(tǒng)。
外星學生
東北大學、黑龍江大學
本作品為人工智能與教育領域結合的手機應用,傳統(tǒng)的教育方式為老師教授學生,學生作為被動的接收端。而我們根據作為學生的自身體會,發(fā)現給被人講解、教授別人的過程往往能使自己提升不少。現有的很多人工智能教育應用的基本思路就是做一個“智能老師”,我們另辟蹊徑,做一個“智能學生”。用戶教授“智能學生”,加深自己對知識理解。
基于類腦機制的人員搜救系統(tǒng)
北京理工大學
作品設計了一種基于類腦機制的人員搜救系統(tǒng)。該系統(tǒng)可基于所采集的圖像信息,應用人類視覺系統(tǒng)的側抑制、視覺注意、同步脈沖發(fā)放和認知記憶等機制,實現復雜背景、低對比度、被遮擋弱小目標和面目標的檢測、識別與跟蹤,進而實現惡劣環(huán)境下受災人員的快速、高效率搜救。該系統(tǒng)具有低成本、小型化、便攜式等優(yōu)勢,在多種搜救場合具有廣泛的應用前景。
杖履四方——機器智能指導的導盲系統(tǒng)
西安電子科技大學
本項目由盲杖集合了物體檢測、FCN 圖像分割。物體檢測可以識別出道路中常見物體,便于盲人采取避讓策略。FCN 可以將當前道路分割出可供盲人行走的“可行域”。實時地規(guī)劃出一條安全的“虛擬盲道”,通過聲音及振動反饋道路狀況,提高盲人的出行安全。
大賽組織
主辦單位:清華大學科研院
承辦單位:清華大學類腦計算研究中心
清華控股有限公司
啟迪控股股份有限公司
協辦單位:北京智聯安科技有限公司
顧問委員會
主任:
薛其坤 (清華大學)
副主任:
譚鐵牛 (中科院自動化所)
委員:
孫家廣 (清華大學)
吳朝暉 (浙江大學)
鄭南寧 (西安交通大學)
郝 躍 (西安電子科技大學)
蒲慕明 (中科院神經所)
楊雄里 (復旦大學)
祝世寧 (南京大學)
黃 如 (北京大學)
劉 明 (中科院微電子所)
徐煒遐 (國防科大)
王飛躍 (中科院自動化所)
Kang L Wang(UCLA)
R. Stanley Williams(HP Inc.)
Karlheinz Meier(Heidelberg University)
Steve Furber(The University of Manchester)
組織委員會
主任:
張 鈸(清華大學)
副主任:
施路平 (清華大學)
駱清銘 (華中科技大學)
徐 波 (中科院自動化所)
黃鐵軍 (北京大學)
委員:
史傳進 (復旦大學)
龔怡宏 (西安交大)
畢國強 (中國科技大學)
曾 兵 (電子科大)
曹立宏 (中國傳媒大學)
宋志堂 (中科院上海微系統(tǒng)與信息技術研究所)
繆向水 (華中科技大學)
呂寶良 (上海交通大學)
潘 綱 (浙江大學)
吳 思 (北京師范大學)
唐華錦 (四川大學)
陳云霽 (中科院計算所)
謝 源 (UCSB)
王智剛 (University of Kent)
張建偉 (Hamburg University)
李海洲 (NUS)
楊建華 (UMASS)
(來源:清華大學類腦計算研究中心CBICR)
評論列表
還沒有評論,快來說點什么吧~