中影人教育编导中心

 10月15日，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在清华大学落下帷幕，四川大学计算机学院（软件学院）学生团队荣获大赛唯一特等奖。

本届大赛吸引了47个国内外高校和研究所的229支队伍报名参赛，参赛作品涵盖了硬件、算法、软件、应用等多个方面。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。四川大学计算机学院（软件学院）的学生团队成功晋级总决赛，由唐华锦教授担任指导老师。大赛邀请了类脑计算领域的知名教授：中科院自动化所徐波教授、北京大学黄铁军教授、清华大学施路平教授、中国传媒大学曹立宏教授、浙江大学潘纲教授、北京师范大学吴思教授、上海交通大学吕宝粮教授、天津大学刘宝林教授、英国肯特大学王智刚教授、四川大学唐华锦教授和中科院计算所陈云霁教授等担任大赛评委。

颁奖仪式

开幕式上，清华大学科研院周羽院长、清华控股有限公司副总裁赵燕来、启迪数字集团副总裁李全胜代表主办方为总决赛致辞。清华大学计算机系教授、中科院张钹院士，清华大学精仪系教授、特聘教授施路平教授分别作学术报告。

在16支晋级总决赛的队伍经过路演和6个多小时的终极答辩后，四川大学代表队脱颖而出，摘取了本届大赛的最高奖--创新特等奖。

新闻背景：

川大学子荣获特等奖作品：基于脉冲编码和脉冲时间学习的乐器识别算法

川大参赛学生：吴西、辜鹏杰、钱含笑；指导教师：唐华锦教授

“基于脉冲编码和脉冲时间学习的乐器识别算法”，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，川大学生团队在总时长为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。

（来源：四川大学）

说明：文章内容来源网络整理仅供参考，如有侵权请联系删除 (QQ:1624823112)，万分感谢！