【技术实现步骤摘要】
本专利技术涉及联邦学习、脉冲神经网络，特别涉及一种面向瑕疵检测的脉冲神经网络的联邦学习方法。
技术介绍
1、随着工业场景下边缘端设备的不断普及，小型边缘端设备应用范围越来越广泛，例如工厂环境下，检测生产环节的摄像头、传感器、树莓派等，这些小型设备具有一定的计算能力，但计算能力弱，如何利用这些小型边缘端设备的计算能力对产线的产品外观瑕疵进行检测，从而有效提高良品率。传统的分布式计算学习方式以及大型的深度学习模型不太适用于这种小型边缘端设备，因此需要一种能够在小型边缘端设备实现轻量化模型部署的分布协同学习的新方法。
2、随着第三代神经网络模型的出现，脉冲神经网络分支中的数据以神经元脉冲信号的空间信息编码，网络的输入输出以及神经元之间的信息传递表现为神经元发送的脉冲和发送脉冲的时间信息，神经元需要同时并行运行；通过模拟生物神经系统的脉冲编码和突触可塑性实现事件驱动式计算，具有与人工神经系统更加相似的计算特性。由于其能耗低，计算量小、推理速度快等特点，使其非常适合于工业小型边缘端设备，但脉冲神经网络分支的神经元模型的不连续性、编码的...
【技术保护点】
1.一种面向瑕疵检测的脉冲神经网络的联邦学习方法，其特征在于，包括：
2.根据权利要求1所述的面向瑕疵检测的脉冲神经网络的联邦学习方法，其特征在于，所述对所述产品图像进行预处理，得到感受野矩阵编码和瑕疵种类标签，包括：
3.根据权利要求2所述的面向瑕疵检测的脉冲神经网络的联邦学习方法，其特征在于，所述步骤11包括：
4.根据权利要求3所述的面向瑕疵检测的脉冲神经网络的联邦学习方法，其特征在于，所述步骤13包括：
5.根据权利要求4所述的面向瑕疵检测的脉冲神经网络的联邦学习方法，其特征在于，所述根据所述感受野矩阵和所述平均...
【技术特征摘要】
1.一种面向瑕疵检测的脉冲神经网络的联邦学习方法，其特征在于，包括：
2.根据权利要求1所述的面向瑕疵检测的脉冲神经网络的联邦学习方法，其特征在于，所述对所述产品图像进行预处理，得到感受野矩阵编码和瑕疵种类标签，包括：
3.根据权利要求2所述的面向瑕疵检测的脉冲神经网络的联邦学习方法，其特征在于，所述步骤11包括：
4.根据权利要求3所述的面向瑕疵检测的脉冲神经网络的联邦学习方法，其特征在于，所述步骤13包括：
5.根据权利要求4所述的面向瑕疵检测的脉冲神经网络的联邦学习方法，...
【专利技术属性】
技术研发人员：陈晓红，张宇航，胡东滨，许冠英，黄骋东，
申请(专利权)人：中南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。