[发明专利]一种基于人工神经网络的硬件资源分配方法及系统

权利要求书

1.一种基于人工神经网络的硬件资源分配方法，其特征在于，所述分配方法具体包括：

建立人工神经网络，所述人工神经网络包括多层感知器、卷积神经网络、循环神经网络；

根据用户的需求选择神经网络中的近似元素；

根据所述近似元素确定近似神经网络；

所述根据所述近似元素确定近似神经网络具体包括：

根据所述近似元素确定多个近似算法；

建立基于多个所述近似算法的输出质量参考模型；

根据所述输出质量参考模型确定近似分配策略和优化方法，获得近似神经网络；

所述根据所述输出质量参考模型确定近似分配策略和优化方法具体包括：

将所述人工神经网络分割为多个神经元；

将所述人工神经网络的输出错误量化到每个所述神经元；

获取输出错误量小于错误量阈值的所述神经元，获得错误神经元；

将所述错误神经元采用所述输出质量参考模型计算近似值；

根据所述近似值确定近似分配策略和优化方法；

采集所述用户和所述近似神经网络的性能目标值；

根据所述近似神经网络和所述性能目标值分配硬件资源。

2.根据权利要求1所述的一种基于人工神经网络的硬件资源分配方法，其特征在于，所述近似算法包括：尾数截断、近似逻辑电路化简、循环穿孔、内存访问跳跃、电压扩缩。

3.一种基于人工神经网络的硬件资源分配系统，其特征在于，所述分配系统具体包括：

人工神经网络模块，用于建立人工神经网络，所述人工神经网络包括多层感知器、卷积神经网络、循环神经网络；

近似元素选择模块，用于根据用户的需求选择神经网络中的近似元素；

近似神经网络确定模块，用于根据所述近似元素确定近似神经网络；

所述近似神经网络确定模块具体包括：

近似算法确定单元，用于根据所述近似元素确定多个近似算法；

参考模型建立单元，用于建立基于多个所述近似算法的输出质量参考模型；

分配策略优化单元，用于根据所述输出质量参考模型确定近似分配策略和优化方法，获得近似神经网络；

所述分配策略优化单元具体包括：

神经网络分割子单元，用于将所述人工神经网络分割为多个神经元；

错误量化子单元，用于将所述人工神经网络的输出错误量化到每个所述神经元；

错误神经元获取子单元，用于获取输出错误量小于错误量阈值的所述神经元，获得错误神经元；

近似值计算子单元，用于将所述错误神经元采用所述输出质量参考模型计算近似值；

分配策略确定子单元，用于根据所述近似值确定近似分配策略和优化方法；

性能目标值采集模块，用于采集所述用户和所述近似神经网络的性能目标值；

资源分配模块，用于根据所述近似神经网络和所述性能目标值分配硬件资源。

4.根据权利要求3所述的一种基于人工神经网络的硬件资源分配系统，其特征在于，所述近似算法确定单元包括：尾数截断子单元、近似逻辑电路化简子单元、循环穿孔子单元、内存访问跳跃子单元、电压扩缩子单元。