浙江弗爾德驅(qū)動科技有限公司_弗爾德曳引機(jī)是幾線品牌

　　大賽概況

類腦計算借鑒浙江弗爾德驅(qū)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(qū)動科技有限公司，是基于神經(jīng)形態(tài)工程發(fā)展起來的新計算技術(shù)。其與現(xiàn)代計算機(jī)相結(jié)合，將構(gòu)成人工通用智能的基礎(chǔ)，并大幅提高智能處理能力，最終促進(jìn)計算機(jī)、大數(shù)據(jù)、機(jī)器人、人工智能等的發(fā)展。當(dāng)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(xué)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(yīng)用設(shè)計大賽應(yīng)運(yùn)而生。

本屆大賽由清華大學(xué)科研院主辦，清華大學(xué)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(nèi)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(jīng)過嚴(yán)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(yù)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(xué)羅姆樓3層報告廳

參賽作品路演地點：

清華大學(xué)羅姆樓11層報告廳

　　決賽作品簡介

　　基于貝葉斯深度學(xué)習(xí)的大腦視覺信息解碼

　　中國科學(xué)院自動化研究所

　　本項目結(jié)合 fMRI 成像技術(shù)特點及人腦視覺信息處理的神經(jīng)機(jī)制, 提出了一種基于貝葉斯學(xué)習(xí)及深度學(xué)習(xí)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(jī)制的啟發(fā)，我們設(shè)計了一種基于自編碼變分貝葉斯技術(shù)的高效模型求解方法。新算法能夠根據(jù)大腦對視覺刺激的響應(yīng)重建視覺刺激內(nèi)容，這不僅可以加深我們對人腦視覺信息處理機(jī)制的研究，還可以有力地促進(jìn)新一代腦-機(jī)接口技術(shù)的發(fā)展。新算法為大腦信號解碼問題提供了一個科學(xué)合理的通用框架，具有很強(qiáng)的可擴(kuò)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(xué)基金重點項目《基于視覺信息編解碼的深度學(xué)習(xí)類腦機(jī)制研究》的支持。

　　基于認(rèn)知與數(shù)據(jù)雙向驅(qū)動的復(fù)雜交通場景下的三維物體檢測模型設(shè)計

　　清華大學(xué)

　　本作品從人類對物體認(rèn)知方法出發(fā)，實現(xiàn)了高性能的復(fù)雜交通場景下的三維物體檢測與識別算法設(shè)計。

　　作品利用認(rèn)知與數(shù)據(jù)雙向驅(qū)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(xiàn)三維場景下的視覺模型構(gòu)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(biāo)的算法模型；采用數(shù)據(jù)與認(rèn)知雙向驅(qū)動的方式，實現(xiàn)了準(zhǔn)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(xué)習(xí)

　　南京大學(xué)

　　半監(jiān)督學(xué)習(xí)被認(rèn)為是更符合人類認(rèn)知的學(xué)習(xí)方式。然而，與人的學(xué)習(xí)方式相比，現(xiàn)有的半監(jiān)督學(xué)習(xí)模式還存在較大的局限性，其中最主要的問題在于：人的學(xué)習(xí)實際上是“開放式”的，不僅是以一種增量的方式獲取學(xué)習(xí)樣本，不斷獲取和學(xué)習(xí)新的知識，而且能夠在學(xué)習(xí)過程中對未知樣本進(jìn)行預(yù)測，并根據(jù)環(huán)境的反饋結(jié)果將該樣本作為新的學(xué)習(xí)樣本來進(jìn)一步強(qiáng)化大腦對該知識的掌握。受到人類對于新事物的認(rèn)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(xué)習(xí)模型，該模型能夠以在線的方式，同時學(xué)習(xí)有標(biāo)簽數(shù)據(jù)和無標(biāo)簽數(shù)據(jù)，在學(xué)習(xí)過程中不斷調(diào)整模型自身以適應(yīng)輸入樣本分布的動態(tài)變化，最終實現(xiàn)對所有樣本數(shù)據(jù)的識別和分類任務(wù)。

　　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(rèn)知和抉擇機(jī)理的運(yùn)動物體識別算法研究

　　北京師范大學(xué)

　　中國人民解放軍軍事科學(xué)院軍事醫(yī)學(xué)研究院

　　運(yùn)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(yīng)用的理論基礎(chǔ)，其成果在社會的諸多領(lǐng)域都具有重要的應(yīng)用價值。本項目從生物視覺的認(rèn)知和抉擇機(jī)理出發(fā)，尤其是從皮層下視覺通路對特殊運(yùn)動模式的快速加工機(jī)制中獲取靈感，提出了新的類腦運(yùn)動物體識別算法。該算法包括探測網(wǎng)絡(luò)、記憶網(wǎng)絡(luò)、和抉擇網(wǎng)絡(luò)三個模塊，用監(jiān)督學(xué)習(xí)訓(xùn)練，實時對運(yùn)動物體識別，并在步態(tài)識別任務(wù)上驗證了可行性。整個算法基于生物學(xué)合理的并行分布式的神經(jīng)網(wǎng)絡(luò)模型，可以被仿腦芯片實現(xiàn)。

　　基于數(shù)據(jù)流的類腦計算仿真平臺

　　特拉華大學(xué)、清華大學(xué)

　　本作品是基于數(shù)據(jù)流架構(gòu)的類腦仿真平臺，旨在通過細(xì)粒度異步程序執(zhí)行和資源調(diào)配，提高運(yùn)算能力和速度，開拓解決現(xiàn)有高性能計算技術(shù)存在的運(yùn)算速度低、可擴(kuò)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(shù)支持，利用數(shù)據(jù)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(jīng)網(wǎng)絡(luò)

　　華中科技大學(xué)

　　脈沖神經(jīng)網(wǎng)絡(luò)被認(rèn)為是第三代神經(jīng)網(wǎng)絡(luò)，有更強(qiáng)的生物學(xué)基礎(chǔ)，潛在的開發(fā)利用能力強(qiáng)大，在類腦計算中極具應(yīng)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(jī)融合信息存儲與計算，實現(xiàn)類腦信息處理，而且其CMOS兼容性強(qiáng)，小尺寸所帶來的高集成度、低功耗等特點，都被認(rèn)為是從根本上解決馮?諾依曼瓶頸的核心基礎(chǔ)單元，有望在大數(shù)據(jù)時代下突破摩爾定律。基于納米突觸器件的脈沖神經(jīng)網(wǎng)絡(luò)是真正硬件實現(xiàn)類腦計算的有力候選技術(shù)方案。本隊伍利用納米憶阻突觸器件在脈沖電學(xué)測試下展示的突觸可塑性學(xué)習(xí)行為，仿真搭建憶阻突觸脈沖神經(jīng)網(wǎng)絡(luò)，成功高效實現(xiàn)模式識別等網(wǎng)絡(luò)學(xué)習(xí)任務(wù)，展現(xiàn)了良好的脈沖神經(jīng)網(wǎng)絡(luò)特性。作品在未來目標(biāo)捕捉、模式識別、智能戰(zhàn)斗機(jī)器人等領(lǐng)域有重要應(yīng)用前景。

　　智能蛇形機(jī)器人

　　中山大學(xué)

　　在生物學(xué)中可以看到，由于蛇類具有獨特的身體結(jié)構(gòu)和具有高度自由度運(yùn)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(jī)器人也有在這樣的特點。因此，蛇形機(jī)器人具有重要的研究價值和商業(yè)價值。蛇形機(jī)器人可以在許多人類和其他種類機(jī)器人不能工作的“禁區(qū)”執(zhí)行任務(wù)。我們項目組設(shè)計了兩款新型的蛇形機(jī)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(jī)器人的自主目標(biāo)檢測和跟蹤控制方法。同時，我們也實現(xiàn)了很多基于項目、能夠應(yīng)用在實際工作場景中的技術(shù)。

　　基于FPGA的神經(jīng)網(wǎng)絡(luò)在線訓(xùn)練加速器及增強(qiáng)學(xué)習(xí)的應(yīng)用實現(xiàn)

　　清華大學(xué)

　　隨著神經(jīng)網(wǎng)絡(luò)的快速發(fā)展，低功耗且高速的神經(jīng)網(wǎng)絡(luò)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(xùn)練的神經(jīng)網(wǎng)絡(luò)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(xué)

　　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(jīng)網(wǎng)絡(luò)的時序軌跡識別應(yīng)用

　　浙江大學(xué)

　　神經(jīng)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(jīng)網(wǎng)絡(luò)的概念應(yīng)用于計算機(jī)系統(tǒng)設(shè)計，針對智能信息處理的特定應(yīng)用來提高性能與降低功耗。本項目主要關(guān)注基于脈沖神經(jīng)網(wǎng)絡(luò)（Spiking Neural Network, SNN）的軌跡識別和預(yù)測系統(tǒng)，我們分別設(shè)計了籃球投籃進(jìn)球檢測、字母軌跡識別、運(yùn)動想象相關(guān)的腦電信號分類等任務(wù)，從數(shù)據(jù)采集、特征提取到 SNN 網(wǎng)絡(luò)訓(xùn)練，最后 SNN 網(wǎng)絡(luò)給出分類結(jié)果的時序軌跡識別系統(tǒng)。

　　基于脈沖編碼和脈沖時間學(xué)習(xí)的樂器識別算法

　　四川大學(xué)

　　我們提出了一種基于脈沖編碼和脈沖時間學(xué)習(xí)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(jìn)的魯棒脈沖學(xué)習(xí)算法。編碼方法能夠?qū)芬粜盘柗纸鉃殡x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(xué)習(xí)算法利用群體編碼方式對脈沖模式進(jìn)行魯棒地學(xué)習(xí)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(biāo)簽數(shù)據(jù)集上進(jìn)行實驗，達(dá)到了97.7%分類準(zhǔn)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(dāng)前樂器識別中最好的深度卷積神經(jīng)網(wǎng)絡(luò)模型高出10.1%。在多標(biāo)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(jīng)網(wǎng)絡(luò)模型僅低0.05。本工作展示了一種仿腦算法的有效應(yīng)用方式，為深入研究類腦學(xué)習(xí)算法和類腦智能技術(shù)提供了重要基礎(chǔ)。

　　基于卷積神經(jīng)網(wǎng)絡(luò)與虛擬現(xiàn)實技術(shù)的運(yùn)動想象腦控手部外骨骼康復(fù)機(jī)器人

　　北京航空航天大學(xué)

　　本項目是一種針對腦卒中手部癱瘓患者的內(nèi)源式外骨骼康復(fù)機(jī)器人，通過電極帽采集大腦運(yùn)動功能區(qū)腦電信號，進(jìn)而將數(shù)據(jù)通過藍(lán)牙傳輸至計算機(jī)，利用卷積神經(jīng)網(wǎng)絡(luò)算法對想象內(nèi)容進(jìn)行識別，并將識別結(jié)果用于控制外骨骼及虛擬現(xiàn)實眼鏡中方塊的移動，通過上述過程幫助腦卒中病人康復(fù)中樞及周圍神經(jīng)系統(tǒng)和運(yùn)動系統(tǒng)。

　　外星學(xué)生

　　東北大學(xué)、黑龍江大學(xué)

　　本作品為人工智能與教育領(lǐng)域結(jié)合的手機(jī)應(yīng)用，傳統(tǒng)的教育方式為老師教授學(xué)生，學(xué)生作為被動的接收端。而我們根據(jù)作為學(xué)生的自身體會，發(fā)現(xiàn)給被人講解、教授別人的過程往往能使自己提升不少?，F(xiàn)有的很多人工智能教育應(yīng)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(xué)生”。用戶教授“智能學(xué)生”，加深自己對知識理解。

　　基于類腦機(jī)制的人員搜救系統(tǒng)

　　北京理工大學(xué)

　　作品設(shè)計了一種基于類腦機(jī)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(yīng)用人類視覺系統(tǒng)的側(cè)抑制、視覺注意、同步脈沖發(fā)放和認(rèn)知記憶等機(jī)制，實現(xiàn)復(fù)雜背景、低對比度、被遮擋弱小目標(biāo)和面目標(biāo)的檢測、識別與跟蹤，進(jìn)而實現(xiàn)惡劣環(huán)境下受災(zāi)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(yīng)用前景。

　　杖履四方——機(jī)器智能指導(dǎo)的導(dǎo)盲系統(tǒng)

　　西安電子科技大學(xué)

　　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(dāng)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(xué)科研院

承辦單位：清華大學(xué)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(xié)辦單位：北京智聯(lián)安科技有限公司

顧問委員會

主任：

薛其坤 （清華大學(xué)）

副主任：

譚鐵牛 （中科院自動化所）

委員：

孫家廣 （清華大學(xué)）

吳朝暉 （浙江大學(xué)）

鄭南寧 （西安交通大學(xué)）

郝 躍 （西安電子科技大學(xué)）

蒲慕明 （中科院神經(jīng)所）

楊雄里 （復(fù)旦大學(xué)）

祝世寧 （南京大學(xué)）

黃 如 （北京大學(xué)）

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(xué)）

副主任：

施路平 （清華大學(xué)）

駱清銘 （華中科技大學(xué)）

徐 波 （中科院自動化所）

黃鐵軍 （北京大學(xué)）

委員：

史傳進(jìn) （復(fù)旦大學(xué)）

龔怡宏 （西安交大）

畢國強(qiáng) （中國科技大學(xué)）

曾 兵 （電子科大）

曹立宏 （中國傳媒大學(xué)）

宋志堂 （中科院上海微系統(tǒng)與信息技術(shù)研究所）

繆向水 （華中科技大學(xué)）

呂寶良 （上海交通大學(xué)）

潘 綱 （浙江大學(xué)）

吳 思 （北京師范大學(xué)）

唐華錦 （四川大學(xué)）

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(xué)類腦計算研究中心CBICR）