摘要：脉冲神经网络(Spiking neural network,SNN)由于具有相对人工神经网络(Artifcial neural network,ANN)更低的计算能耗而受到广泛关注.然而,现有SNN大多基于同步计算模式且往往采用多时间步的方式来模拟动态的信息整合过程,因此带来了推理延迟增大和计算能耗增高等问题,使其在边缘智能设备上的高效运行大打折扣.针对这个问题,本文提出一种自适应时间步脉冲神经网络(Adaptive timestep improved spiking neural network,ATSNN)算法.该算法可以根据不同样本特征自适应选择合适的推理时间步,并通过设计一个时间依赖的新型损失函数来约束不同计算时间步的重要性.与此同时,针对上述ATSNN特点设计一款低能耗脉冲神经网络加速器,支持ATSNN算法在VGG和ResNet等成熟框架上的应用部署.在CIFAR10、CIFAR100、CIFAR10-DVS等标准数据集上软硬件实验结果显示,与当前固定时间步的SNN算法相比,ATSNN算法的精度基本不下降,并且推理延迟减少36.7%~58.7%,计算复杂度减少33.0%~57.0%.在硬件模拟器上的运行结果显示,ATSNN的计算能耗仅为GPU RTX 3090Ti的4.43%~7.88%.显示出脑启发神经形态软硬件的巨大优势.

摘要：传统的线性渐变滤光片型高光谱成像仪,把线性渐变滤光片置于探测器窗口前,因线性渐变滤光片与探测器焦平面的位置差异,会产生光谱分辨率降低等问题。为了解决这个问题,设计了基于线性渐变滤光片的高光谱成像仪样机,整个系统包括望远系统、线性渐变滤光片元件、中继系统和探测系统四部分。将线性渐变滤光片置于望远系统的焦平面上,中继系统把线性渐变滤光片成像在探测系统靶面上,使线性渐变滤光片与探测系统焦面重合。高光谱成像仪系统的光谱范围为400~700 nm,谱段数为31,光谱分辨率为10 nm,视场角为±8°,焦距为55 mm。搭建样机并开展光谱定标与应用实验,效果良好。相比传统采用棱镜或光栅分光的高光谱成像仪系统,该系统省去了准直系统,具有体积小、重量轻、光通量大的优势,可为高光谱成像仪的小型化提供参考。

摘要：选择体重差异不显著并安装有瘤胃瘘管和十二指肠瘘管的小尾寒羊4只,采用4×4拉丁方试验设计方法,研究了脂肪酸钙、植物脂肪粉、硬脂肪对绵羊瘤胃内环境、干物质采食量及营养物质全消化道消化率的影响。结果显示:3种过瘤胃脂肪对绵羊瘤胃pH值及氨浓度影响均不显著;在干物质采食量方面,脂肪酸钙组的采食量最高,硬脂肪组最低。但各处理与对照组以及各处理组之间,脂肪酸钙组与植物脂肪粉组的蛋白消化率比对照组要低,且在0.05水平上有差异;硬脂肪组蛋白消化率比脂肪酸钙组和植物脂肪粉组要高,其中硬脂肪组与植物脂肪粉组在0.05水平有差异;各处理组脂肪消化率均比对照组脂肪消化率要高,而且在0.05水平有差异,但处理组之间在0.05水平上无差异;植物脂肪粉组ADF和NDF比对照组消化率要低,且在0.05水平上有差异。