EN
—集团旗下网站—

首页 > 新闻中心 >  集团动态

首届全国大学生类脑计算创新应用大赛暨国际邀请赛总决赛即将开幕
发布日期 : 2017-10-12 17:05:02 点击数:

大赛概况

       类脑计算借鉴了人脑存储和处理信息的方式,是基于神经形态工程发展起来的新计算技术。其与现代计算机相结合,将构成人工通用智能的基础,并大幅提高智能处理能力,最终促进计算机、大数据、机器人、人工智能等的发展。当前欧盟和美国均斥巨资支持类脑计算的研究,而我国也即将启动“脑科学与类脑研究”(中国脑计划)以推动这项研究。在此背景下,首届类脑计算应用设计大赛应运而生。

       本届大赛由清华大学科研院主办,清华大学类脑计算研究中心、清华控股、启迪控股承办,吸引了来自47个国内外高校和研究所的229支队伍报名参赛,参赛作品涵盖硬件、算法、软件等多个方面,经过严格的筛选与评审,最终组委会评选出16支队伍晋级决赛(其中包含3支特邀队伍)。


大赛奖项

创新特等奖1队, 30万人民币

一等奖2队,每队 12万人民币

二等奖3队,每队 6万人民币

三等奖4队,每队 3万人民币

优秀奖6队,每队 1.5万人民币

预赛二等奖16队,每队 0.5万人民币

大赛日程

决赛时间:2017年10月14-15日(周六、日)

开幕式与特邀报告地点:清华大学罗姆楼3层报告厅

参赛作品路演地点:清华大学罗姆楼11层报告厅



决赛作品简介

基于贝叶斯深度学习的大脑视觉信息解码

中国科学院自动化研究所

       本项目结合 fMRI 成像技术特点及人脑视觉信息处理的神经机制, 提出了一种基于贝叶斯学习及深度学习理论的视觉图像重建算法:深度生成式多视图模型。受人脑视觉通路中存在的层次化、Bottom-Up 和 Top-Down 机制的启发,我们设计了一种基于自编码变分贝叶斯技术的高效模型求解方法。新算法能够根据大脑对视觉刺激的响应重建视觉刺激内容,这不仅可以加深我们对人脑视觉信息处理机制的研究,还可以有力地促进新一代脑-机接口技术的发展。新算法为大脑信号解码问题提供了一个科学合理的通用框架,具有很强的可扩展性,未来它有望被用于各式各样的 “读脑系统”。 本项目受何晖光研究员主持的国家自然科学基金重点项目《基于视觉信息编解码的深度学习类脑机制研究》的支持。

基于认知与数据双向驱动的复杂交通场景下的三维物体检测模型设计

清华大学

       本作品从人类对物体认知方法出发,实现了高性能的复杂交通场景下的三维物体检测与识别算法设计。

       作品利用认知与数据双向驱动的方法,通过分析场景高维语义信息和物体上下文交互的先验知识,实现三维场景下的视觉模型构建和三维物体检测。

       作品主要的创新点为:提出了利用单目二维图像信息提取物体三维坐标的算法模型;采用数据与认知双向驱动的方式,实现了准确的物体检测与姿态估计。

基于图模型的开放式半监督学习

南京大学

       半监督学习被认为是更符合人类认知的学习方式。然而,与人的学习方式相比,现有的半监督学习模式还存在较大的局限性,其中最主要的问题在于:人的学习实际上是“开放式”的,不仅是以一种增量的方式获取学习样本,不断获取和学习新的知识,而且能够在学习过程中对未知样本进行预测,并根据环境的反馈结果将该样本作为新的学习样本来进一步强化大脑对该知识的掌握。受到人类对于新事物的认知过程的启发,我们提出了一种基于图模型的开放式半监督学习模型,该模型能够以在线的方式,同时学习有标签数据和无标签数据,在学习过程中不断调整模型自身以适应输入样本分布的动态变化,最终实现对所有样本数据的识别和分类任务。

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.

基于皮层下视觉通路认知和抉择机理的运动物体识别算法研究

北京师范大学、中国人民解放军军事科学院军事医学研究院

       运动物体识别一直是人工智能的研究热点,是众多人工智能应用的理论基础,其成果在社会的诸多领域都具有重要的应用价值。本项目从生物视觉的认知和抉择机理出发,尤其是从皮层下视觉通路对特殊运动模式的快速加工机制中获取灵感,提出了新的类脑运动物体识别算法。该算法包括探测网络、记忆网络、和抉择网络三个模块,用监督学习训练,实时对运动物体识别,并在步态识别任务上验证了可行性。整个算法基于生物学合理的并行分布式的神经网络模型,可以被仿脑芯片实现。

基于数据流的类脑计算仿真平台

特拉华大学、清华大学

       本作品是基于数据流架构的类脑仿真平台,旨在通过细粒度异步程序执行和资源调配,提高运算能力和速度,开拓解决现有高性能计算技术存在的运算速度低、可扩展性差、功耗高等缺陷的新途径,为通用类脑智能系统提供高性能计算技术支持,利用数据流模型特点充分发挥类脑人工智能潜力。

基于忆阻突触器件的脉冲神经网络

华中科技大学

       脉冲神经网络被认为是第三代神经网络,有更强的生物学基础,潜在的开发利用能力强大,在类脑计算中极具应用前景。忆阻突触器件作为一种新型信息纳米器件,具有生物突触模拟性,可以有机融合信息存储与计算,实现类脑信息处理,而且其CMOS兼容性强,小尺寸所带来的高集成度、低功耗等特点,都被认为是从根本上解决冯•诺依曼瓶颈的核心基础单元,有望在大数据时代下突破摩尔定律。基于纳米突触器件的脉冲神经网络是真正硬件实现类脑计算的有力候选技术方案。本队伍利用纳米忆阻突触器件在脉冲电学测试下展示的突触可塑性学习行为,仿真搭建忆阻突触脉冲神经网络,成功高效实现模式识别等网络学习任务,展现了良好的脉冲神经网络特性。作品在未来目标捕捉、模式识别、智能战斗机器人等领域有重要应用前景。

智能蛇形机器人

中山大学

       在生物学中可以看到,由于蛇类具有独特的身体结构和具有高度自由度运动步态,它们可以较为容易地在不同的不规则区域移动。同样的,蛇形机器人也有在这样的特点。因此,蛇形机器人具有重要的研究价值和商业价值。蛇形机器人可以在许多人类和其他种类机器人不能工作的“禁区”执行任务。我们项目组设计了两款新型的蛇形机器人,装配了完善的且不同种类的传感器系统,可以满足不同的需求。本次实验中, 我们提出了一种具有单目DVS的蛇形机器人的自主目标检测和跟踪控制方法。同时,我们也实现了很多基于项目、能够应用在实际工作场景中的技术。

基于FPGA的神经网络在线训练加速器及增强学习的应用实现

清华大学

       随着神经网络的快速发展,低功耗且高速的神经网络部署硬件节点也有着日趋紧迫的需求。在这个大背景下,本作品旨在打造一个基于FPGA的能在线训练的神经网络高效加速器。

Learning to Recognize and Recall Arbitrary Sequences of Symbols in Neuromorphic Electronic Systems

University of Zürich and ETH Zürich、中国人民解放军国防科技大学

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.

基于脉冲神经网络的时序轨迹识别应用

浙江大学

       神经拟态的类脑计算(Neuromorphic Computing),又称类脑工程(Neuromorphic Engineering),基本思路是将生物神经网络的概念应用于计算机系统设计,针对智能信息处理的特定应用来提高性能与降低功耗。本项目主要关注基于脉冲神经网络(Spiking Neural Network, SNN)的轨迹识别和预测系统,我们分别设计了篮球投篮进球检测、字母轨迹识别、运动想象相关的脑电信号分类等任务,从数据采集、特征提取到 SNN 网络训练,最后 SNN 网络给出分类结果的时序轨迹识别系统。

基于脉冲编码和脉冲时间学习的乐器识别算法

四川大学

       我们提出了一种基于脉冲编码和脉冲时间学习的类脑计算模型,用于识别音乐中的乐器。该模型包括一种高效的听觉脉冲编码方法和一种改进的鲁棒脉冲学习算法。编码方法能够将乐音信号分解为离散且具有时序特性的时频特征,同时最大化地保留信号中的信息,并将其映射为一种稀疏的脉冲模式;学习算法利用群体编码方式对脉冲模式进行鲁棒地学习并分类。为了验证算法的有效性,我们在总时长为315分钟,包含九类乐器的独奏音乐单标签数据集上进行实验,达到了97.7%分类准确率,优于传统的高斯混合模型以及深度DBN模型,并且比当前乐器识别中最好的深度卷积神经网络模型高出10.1%。在多标签乐器分类实验中,该算法的宏观F1评测值为0.55,比深度卷积神经网络模型仅低0.05。本工作展示了一种仿脑算法的有效应用方式,为深入研究类脑学习算法和类脑智能技术提供了重要基础。

基于卷积神经网络与虚拟现实技术的运动想象脑控手部外骨骼康复机器人

北京航空航天大学

       本项目是一种针对脑卒中手部瘫痪患者的内源式外骨骼康复机器人,通过电极帽采集大脑运动功能区脑电信号,进而将数据通过蓝牙传输至计算机,利用卷积神经网络算法对想象内容进行识别,并将识别结果用于控制外骨骼及虚拟现实眼镜中方块的移动,通过上述过程帮助脑卒中病人康复中枢及周围神经系统和运动系统。

外星学生

东北大学、黑龙江大学

       本作品为人工智能与教育领域结合的手机应用,传统的教育方式为老师教授学生,学生作为被动的接收端。而我们根据作为学生的自身体会,发现给被人讲解、教授别人的过程往往能使自己提升不少。现有的很多人工智能教育应用的基本思路就是做一个“智能老师”,我们另辟蹊径,做一个“智能学生”。用户教授“智能学生”,加深自己对知识理解。

基于类脑机制的人员搜救系统

北京理工大学

       作品设计了一种基于类脑机制的人员搜救系统。该系统可基于所采集的图像信息,应用人类视觉系统的侧抑制、视觉注意、同步脉冲发放和认知记忆等机制,实现复杂背景、低对比度、被遮挡弱小目标和面目标的检测、识别与跟踪,进而实现恶劣环境下受灾人员的快速、高效率搜救。该系统具有低成本、小型化、便携式等优势,在多种搜救场合具有广泛的应用前景。

杖履四方——机器智能指导的导盲系统

西安电子科技大学

       本项目由盲杖集合了物体检测、FCN 图像分割。物体检测可以识别出道路中常见物体,便于盲人采取避让策略。FCN 可以将当前道路分割出可供盲人行走的“可行域”。实时地规划出一条安全的“虚拟盲道”,通过声音及振动反馈道路状况,提高盲人的出行安全。

大赛组织

主办单位:清华大学科研院

承办单位:清华大学类脑计算研究中心

                    清华控股有限公司

                    启迪控股股份有限公司

协办单位:北京智联安科技有限公司

顾问委员会

主任:薛其坤 (清华大学)

副主任:谭铁牛 (中科院自动化所)

委员:

           孙家广 (清华大学)

           吴朝晖 (浙江大学)

           郑南宁 (西安交通大学)

           郝    跃 (西安电子科技大学)

           蒲慕明 (中科院神经所)

           杨雄里 (复旦大学)

           祝世宁 (南京大学)

           黄    如 (北京大学)

           刘    明 (中科院微电子所)

           徐炜遐 (国防科大)

           王飞跃 (中科院自动化所)

           Kang L Wang(UCLA)

           R. Stanley Williams(HP Inc.)

           Karlheinz Meier(Heidelberg University)

           Steve Furber(The University of Manchester) 

组织委员会

主任:张    钹(清华大学)

副主任:

           施路平 (清华大学)

           骆清铭 (华中科技大学)

           徐   波 (中科院自动化所)

           黄铁军 (北京大学)

委员:

           史传进 (复旦大学)

           龚怡宏 (西安交大)

           毕国强 (中国科技大学)

           曾   兵 (电子科大)

           曹立宏 (中国传媒大学)

           宋志堂 (中科院上海微系统与信息技术研究所)

           缪向水 (华中科技大学)

           吕宝良 (上海交通大学)

           潘   纲 (浙江大学)

           吴   思 (北京师范大学)

           唐华锦 (四川大学)

           陈云霁 (中科院计算所)

           谢   源 (UCSB)

           王智刚 (University of Kent)

           张建伟 (Hamburg University)

           李海洲 (NUS)

           杨建华 (UMASS)
 
(来源:清华大学类脑计算研究中心CBICR)