[发明专利]进行矩阵向量乘法运算的系统及进行神经网络运算方法

权利要求书

1.一种基于NOR FLASH计算阵列进行矩阵向量乘法运算的系统，其特征在于，包括：

NOR FLASH计算阵列，阵列中每列单元的栅极接在一起，各列用于依次输入与被乘数向量的元素相对应的输入电压；阵列中每列单元的源极接在一起，用于接入驱动电压；阵列中每行单元的漏极连接在一起，用于输出各单元进行乘法运算后并累加得到的运算电流；按照乘法对应关系，阵列中每两行为一组，其中一行表示负数，另一行表示正数，各组按照正负关系被预先写入乘数向量的各元素；

加权求和电路，用于对位于同一组代表不同位的所述运算电流进行加权求和运算；

减法电路，每组设置一减法电路，用于对代表不同位加权求和后的运算结果进行减法运算；

模数转换电路，用于将进行减法运算后的结果转换为二进制数字量。

2.根据权利要求1所述的系统，其特征在于，所述加权求和电路为电流镜，用于将处于不同位的电流值加权求和，权值为2^k-1，其中k为不同电流值对应的位数。

3.根据权利要求1所述的系统，其特征在于，所述NOR FLASH计算阵列为多个，分别对应乘数向量中各元素的不同位。

4.根据权利要求1所述的系统，其特征在于，所述矩阵向量乘法运算为神经网络全连接层的运算，所述被乘数向量为1×M的输入向量X，所述乘数向量为M×N的权值矩阵K，其中M，N分别为正整数。

5.根据权利要求1所述的系统，其特征在于，所述矩阵向量乘法运算为神经网络卷积层的运算，规模为M×N的输入矩阵X的各部分分别与规为k×k的卷积核K进行矩阵向量乘法运算，完成卷积操作并得到规模为m×n的输出矩阵Y，数学表达如下：

Y_i，j＝X_i，j·K_k，k+X_i，j+1·K_k，k-1+X_i+1，j·K_k-1，k+…+X_{i+k-1，j+k-1}·K_1，1

其中1≤i≤M-k+1(m)，1≤j≤N-k+1(n)。

6.根据权利要求2所述的系统，其特征在于，所述矩阵向量乘法运算为神经网络平均池化运算，平均池化对应于卷积核均为1/n，步长为n的卷积运算。

7.应用权利要求1的系统进行卷积层运算的方法，包括：按照卷积运算对应关系，在NORFLASH计算阵列各组中预先写入卷积核中数据；

在NOR FLASH计算阵列中，各列依次输入与输入矩阵的元素相对应的输入电压；

通过模数转换电路获得卷积后的矩阵。

8.应用权利要求1的系统进行全连接层运算的方法，包括：

按照全连接层运算对应关系，在NOR FLASH计算阵列各组中预先写入权值矩阵数据；

在NOR FLASH计算阵列中，各列依次输入与输入向量的元素相对应的输入电压；

通过模数转换电路获得全连接运算后的向量。

9.应用权利要求1的系统进行平均池化运算的方法，包括：

按照平均池化运算对应关系，在NOR FLASH计算阵列各组中预先写入与n×n的卷积核相对应的数据，卷积核中各元素均为1/n；

在NOR FLASH计算阵列中，各列依次输入与输入向量的元素相对应的输入电压；

通过模数转换电路获得平均池化运算后的矩阵。

10.应用权利要求1的系统进行矩阵向量乘法运算的方法，包括：

按照矩阵向量乘法运算对应关系，在NOR FLASH计算阵列各组中预先写入乘数向量数据；

在NOR FLASH计算阵列中，各列依次输入与输入向量的元素相对应的输入电压；

通过模数转换电路获得进行乘法运算后的运算结果。