[发明专利]电子装置及其操作方法在审

专利信息
申请号: 202111643558.8 申请日: 2021-12-29
公开(公告)号: CN115412096A 公开(公告)日: 2022-11-29
发明(设计)人: 诸相殷;金基荣 申请(专利权)人: 爱思开海力士有限公司
主分类号: H03M1/12 分类号: H03M1/12;G06K9/62;G06N3/063;G06N3/08
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 赵赫;李新娜
地址: 韩国*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 电子 装置 及其 操作方法
【说明书】:

本发明涉及一种电子装置,包括:多个模数转换器,每个模数转换器被配置为接收模拟输入信号并输出与模拟输入信号相对应的数字输出信号;模拟输入信号生成器,被配置为基于输入电压和权重数据,生成提供到每个模数转换器中的模拟输入信号;输入信号分布信息生成器,被配置成为模数转换器中的每一个生成输入信号分布信息,该输入信号分布信息指示模拟输入信号的分布;模数转换器组分类器,被配置为基于输入信号分布信息将模数转换器分类为多个第一模数转换器组;以及模数转换器输入范围优化器,被配置为基于输入信号分布信息确定每个第一模数转换器组的输入范围,并且每个模数转换器被配置为根据相应第一模数转换器组的输入范围进行操作。

相关申请的交叉引用

专利申请文件要求于2021年5月26日提交的申请号为10-2021-0067928的韩国专利申请的优先权和权益,该韩国专利申请通过引用整体并入本文。

技术领域

本专利申请文件中公开的技术涉及一种电子装置及其操作方法。

背景技术

神经网络是指通过对生物大脑进行建模而获得的计算架构。随着近来神经网络技术的发展,正在积极地进行基于各种类型电子系统中的一个或多个神经网络模型从输入数据中提取有效信息的研究。卷积运算占据了神经网络模型所需运算的很大一部分。

发明内容

所公开技术的实施例提供了一种电子装置及其操作方法,其能够在提高包括模数转换器的神经网络模型的准确度的同时减少模数转换器的面积和功耗。

根据所公开技术的实施例,一种电子装置包括:多个模数转换器,每个模数转换器被配置为接收模拟输入信号并输出与模拟输入信号相对应的数字输出信号;模拟输入信号生成器,被配置为基于对多个输入电压和多个权重数据进行的运算,生成被提供到多个模数转换器中的每一个的模拟输入信号;输入信号分布信息生成器,被配置成为多个模数转换器中的每一个生成输入信号分布信息,该输入信号分布信息指示模拟输入信号的分布;模数转换器组分类器,被配置为基于多个模数转换器的输入信号分布信息将多个模数转换器分类为多个第一模数转换器组;以及模数转换器输入范围优化器,被配置为基于多个模数转换器的输入信号分布信息来确定多个第一模数转换器组中的每一组的输入范围,并且多个模数转换器中的每一个被配置为根据多个第一模数转换器组之中的相应第一模数转换器组的输入范围进行操作。

根据所公开技术的实施例,一种操作电子装置的方法包括:将多个模数转换器分类为多个默认模数转换器组,使用基于多个输入电压和多个权重数据的运算为多个模数转换器生成模拟输入信号,基于模拟输入信号生成多个默认模数转换器组的输入信号分布信息,基于多个默认模数转换器组的输入信号分布信息将多个默认模数转换器组分类为多个第一模数转换器组,基于多个默认模数转换器组的输入信号分布信息确定多个第一模数转换器组中的每一组的输入范围,并且控制多个模数转换器根据多个第一模数转换器组之中的相应第一模数转换器组的输入范围进行操作。

根据本技术,提供了一种电子装置及其操作方法,其能够在提高包括模数转换器的神经网络模型的准确度的同时减少模数转换器的面积和功耗。

附图说明

图1是示出根据所公开技术的实施例的计算系统的示例的示图。

图2A和图2B是示出根据所公开技术的实施例的神经网络的配置的示图。

图3是示出根据所公开技术的实施例的用于优化模数转换器的输入范围的电子装置的示图。

图4是示出根据所公开技术的实施例的计算电路的示图。

图5A是示出根据所公开技术的实施例的子阵列的示例的示图。

图5B是示出根据所公开技术的实施例的子阵列的另一示例的示图。

图6是示出根据所公开技术的实施例的输入信号分布信息的示图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于爱思开海力士有限公司,未经爱思开海力士有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111643558.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top