摘要
本发明提供了一种基于元残差的深度脉冲神经网络构建方法,通过构建深度脉冲神经网络XOResNet,对图像进行编码和学习,有效提升了图像识别的准确率,并显著降低了脉冲冗余和学习冗余;XOResNet的创新之处在于引入了元残差的概念,通过特定的残差块设计,实现了对信息的高效提取和处理;本方法适用于多种图像处理场景,特别是在边缘计算设备中的视觉任务处理中表现优异;本发明为深度脉冲神经网络的构建与应用提供了一种稳定且高效的解决方案,具有广泛的应用前景。
技术关键词
脉冲神经网络构建
分支
输出特征
神经网络框架
通道
冗余
高层次
编码
残差学习
电流
网络深度
数据
网络结构
图像处理
阶段
概念
语音
视觉
系统为您推荐了相关专利信息
脓毒症患者
智能分析方法
舌象图像
拓扑图
舌象特征
遥感影像融合方法
全色
二维卷积神经网络
三维卷积神经网络
空谱特征融合
多模态医学图像
医学图像融合方法
浅层特征提取
注意力
双模态
调峰方法
光伏电站监测系统
调峰策略
地理信息系统
动态