买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京大学申请的专利基于时间编码的低功耗脉冲神经网络片上学习系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114676831B 。

龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210317373.6，技术领域涉及：G06N3/063；该发明授权基于时间编码的低功耗脉冲神经网络片上学习系统是由李丽;孙浩瀚;傅玉祥;孙从怡;韩嘉宁;周攀;李伟;何书专设计研发完成，并于2022-03-29向国家知识产权局提交的专利申请。

本基于时间编码的低功耗脉冲神经网络片上学习系统在说明书摘要公布了：本发明公开了一种基于时间编码的低功耗脉冲神经网络片上学习系统，包括排序模块和计算模块，排序模块用于接收已进行时间编码的若干组输入数据，并将所述输入数据升序或降序排列；计算模块用于接收所述输入数据和预存储的与输入数据匹配的权重数据；基于预定规则将所述输入数据量化为预设常数，获得量化输入数据；基于权重数据判断神经元是否会激发，若激发，则采用所述量化输入数据和权重数据计算输出脉冲时间，并采用线性化规则更新权重数据。通过将输入数据量化降低硬件运算难度，采用优化的权重更新规则以便于硬件设计，减少运算量，具有功耗低、面积小速度快的优点；提升了脉冲经网络运算速度，且能够在硬件上实现片上学习。

本发明授权基于时间编码的低功耗脉冲神经网络片上学习系统在权利要求书中公布了：1.一种基于时间编码的低功耗脉冲神经网络片上学习系统，其特征在于，包括： 排序模块，用于接收已进行时间编码的若干组输入数据，并将所述输入数据升序或降序排列； 计算模块，用于接收所述输入数据和预存储的与输入数据匹配的权重数据；基于预定规则将所述输入数据量化为预设常数，获得量化输入数据；基于权重数据判断神经元是否会激发，若激发，则采用所述量化输入数据和权重数据计算输出脉冲时间，并采用线性化规则更新权重数据； 所述预定规则的获取过程为： 获取待处理的像素值，将其归一化至[0，1]区间，获得归一化像素值，对于任一归一化像素值，求取其与1的差值，计算该差值的偶次幂，并进一步获得自然指数e的该偶次幂数值； 针对所有归一化像素值，计算自然指数e的偶次幂的上下限，并划分为若干区间，每一区间的端点值为2的倍数； 通过上述计算过程的逆运算获取各端点值对应的归一化像素值，并将其作为自变量区间端点，形成若干自变量区间；以端点值或两相邻端点值的算术平均数作为量化目标值，形成与所述自变量区间一一对应的若干量化常数值，以所述自变量区间和量化常数值构建所述预定规则； 在运行时，查找归一化像素值对应的自变量区间，并读取该自变量区间对应的量化常数值，即获得量化输入数据； 线性化规则更新权重数据的过程包括： 读取预存储的突触的权重上限wmax、下限wmin、各突触的原权重wold，以及权重更新系数η， 计算突触前神经元和后神经元的时间差，并判断该时间差是否大于零， 若大于，则突触的权重增量∆w=η（wmax－wold）； 反之，突触的权重增量∆w=－η（wold－wmin）。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京大学，其通讯地址为：210046 江苏省南京市栖霞区仙林大道163号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。