“王中风”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果149个，建议您升级VIP下载更多相关专利

[发明专利]一种5G LDPC码译码方法与装置-CN202310971642.5在审
发明人： 王中风;周杨灿 -专利权人：南京大学
申请日： 2023-08-03 - 公布日： 2023-10-27 - 主分类号： H04L1/00 文献下载
摘要：本发明提供了一种5G LDPC码译码方法与装置，所述译码方法为：首先对5GLDPC码的校验矩阵按照提升值进行分层，然后根据行层度数、首两列邻接数和二阶行层度数这三个指标确定优化的层更新顺序。在分层译码调度中，按照前述优化的层更新顺序进行译码，可以提升5G LDPC码的纠错性能、加快译码的收敛速度。所述译码装置即采用了前述优化的层更新顺序的译码装置，该译码装置包括了控制模块、内存模块和计算模块。控制模块内记录了前述优化的层更新顺序，用于控制译码装置按照优化的层更新顺序从内存模块中读取相应层的数据，并输送到计算模块进行译码。
一种 ldpc 译码方法装置

[发明专利]支持可变指数位宽的多精度Posit编解码运算装置及方法-CN202310971673.0在审
发明人： 王中风;李琼;方超 -专利权人：南京大学
申请日： 2023-08-03 - 公布日： 2023-10-24 - 主分类号： G06N3/0455 文献下载
摘要：本发明提供了支持可变指数位宽的多精度Posit编解码运算装置及方法，所述装置包括多精度Posit译码器、多精度Posit运算单元和多精度Posit编码器；多精度Posit译码器接收Posit输入数据、精度模式控制信号和指数位宽es配置信号，完成译码操作，得到有效的符号、指数及尾数值输出；多精度Posit运算单元完成相应的运算并将运算结果发送给多精度Posit编码器，多精度Posit编码器完成Posit输出数据的编码。本发明实现了运行时指数位宽动态可配置，能在相同的硬件中同时支持Posit格式大动态范围和高数值精度的优势，同时实现了硬件高效的多精度Posit编解码运算。
支持可变指数精度 posit 解码运算装置方法

[发明专利]一种新型8B10B编码方法-CN202310887760.8在审
发明人： 王中风;邓子锋 -专利权人：南京大学
申请日： 2023-07-18 - 公布日： 2023-10-24 - 主分类号： H03M7/04 文献下载
摘要：本发明提供一种新型8B10B编码方法，包括：根据编码控制位k判断输入编码器的8bit信号是控制码还是数据码，在数据编码部分，将输入8bit数据分为高3位和低5位分别编码，得到各自的编码中间值，若编码中间值是0、1数量相同的完美平衡码，则直接输出编码结果，否则判断编码中间值0、1数量的差值，再根据输入极性偏差得到最终的编码结果，并将编码结果合并为10bit输出。本发明有效的将编码器中极性偏差的更新、数据编码部分的3B4B编码、5B6B编码解耦，本发明所提出的架构相较于广泛使用的经典架构的优点在于关键路径更短，可以在更高的频率下工作，有效减少了由于插入流水线和并行化带来的额外的面积、功耗等开销。
一种新型 b10b 编码方法

[发明专利]一种可参数化生成并动态可配置的神经网络硬件加速结构-CN202210345931.X在审
发明人： 王中风;杜思润;林军 -专利权人：南京大学
申请日： 2022-03-31 - 公布日： 2023-10-24 - 主分类号： G06N3/063 文献下载
摘要：本申请提供一种可参数化生成并动态可配置的神经网络硬件加速结构，包括控制分发模块从控制核接收控制信息，从片外存储读取指令数据至多个指令队列；加载存储模块从片外存储加载计算输入至片上存储模块，将计算结果传输至片外存储；片上存储模块负责暂存数据；张量计算模块从片上存储模块读取数据并完成张量计算，将计算结果存储至片上存储模块；矢量计算模块从片上存储模块读取数据并完成矢量计算，将计算结果存储至片上存储模块。该硬件加速结构通过参数化生成匹配不同的硬件约束，对硬件资源合理分配，通过动态配置支持不同的神经网络计算任务，优化计算与数据访存的配合，实现对于神经网络计算的高效加速，并支持多种计算功能。
一种参数化生动态配置神经网络硬件加速结构

[发明专利]一种基于网络结构搜索技术的神经网络结构优化方法-CN202110661438.4有效
发明人： 王中风;赵世泽;何鎏璐;谢逍如;林军 -专利权人：南京大学
申请日： 2021-06-15 - 公布日： 2023-10-20 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种基于网络结构搜索技术的神经网络结构优化方法，包括以下步骤：获取训练样本，将所述训练样本输入初始神经网络，通过搜索算法根据所述训练样本，在所述初始神经网络上依次生成具有不同搜索状态的分支神经网络结构，得到若干个待优化神经网络结构，所述搜索状态包括插入分支的节点位置和对应节点位置的插入深度，对待优化神经网络结构进行优化，得到最优神经网络结构。通过搜索算法自动在初始神经网络结构上构建分支神经网络结构，对其进行优化后，得到最优神经网络分支结构，解决了现有神经网络构建过程中，通过动态计算的模型压缩算法对模型进行压缩，耗费大量人力物力，同时还存在神经网络陷入局部最优，严重影响效率的问题。
一种基于网络结构搜索技术神经网络优化方法

[发明专利]基于Transformer神经网络的模型压缩方法、矩阵乘法模块-CN202110721961.1有效
发明人： 王中风;吴蔚;方超;林军 -专利权人：南京大学
申请日： 2021-06-28 - 公布日： 2023-10-17 - 主分类号： G06F17/16 文献下载
摘要：本申请实施例公开了基于Transformer神经网络的模型压缩方法、矩阵乘法模块，在该方法中，根据预设的第一参数，对原始权重矩阵中的每行权重进行分组，得到多个权重组，然后根据预设的第二参数，对每个权重组进行剪枝，最后获取非零权重矩阵以及二进制掩膜。该方法将权重的每行分为多组，各个权重组的非零元素数量一致，后续在计算流程中，并行计算的非零权重矩阵能够保持相同的计算时间，以此达到负载均衡的目的，具有较好的加速效果。
基于 transformer 神经网络模型压缩方法矩阵乘法模块

[发明专利]一种基于分解约简的格加密模乘运算装置-CN202110819402.4有效
发明人： 王中风;胡潇;李明昊;田静 -专利权人：南京大学
申请日： 2021-07-20 - 公布日： 2023-10-13 - 主分类号： G06F7/72 文献下载
摘要：本申请属于数据密码处理技术领域，从降低格加密计算的复杂度角度出发，提供一种基于分解约简的格加密模乘运算方法及装置，所述方法包括：限定有限域的特征模素数q的形式，输入模素数q、被乘数X和乘数Y，对被乘数X和乘数Y以基数2N进行分解，再将X和Y乘积的展开式按基数22N进行分解后直接取模约简得到第一约简中间值，对第一约简中间值按基数22N进行分解后直接取模约简，获得第二约简中间值，再根据第二约简中间值的大小将其调整到模q有限域中，本申请通过分解约简，有效减少了中间数据的数据位宽，提出了更低计算复杂度和计算延迟的格加密模乘运算方法，并设计了相应的模乘运算装置，而且本申请的模乘运算方法和装置不失通用性。
一种基于解约加密运算装置

[发明专利]一种高效的转置卷积计算方法-CN202011617770.2有效
发明人： 王中风;杨培祥;毛文东;林军 -专利权人：南京大学
申请日： 2020-12-30 - 公布日： 2023-10-13 - 主分类号： G06F17/15 文献下载
摘要：本申请公开了一种高效的转置卷积计算方法，基于预设的转置卷积核的尺寸参数、转置卷积的步长和转换阶数确定转置卷积总体架构，对用于原特征图的提取的滑动窗口进行了设计，根据设计后的滑动窗口提取特征图子图，对所述特征图子图进行转换，转换转置卷积核，并进行计算，对中间子矩阵进行转换，进而获得转置卷积结果。本申请实现在不需要补零的操作下，对原特征图进行转置卷积运算，提高运算效率；提出转换阶数的设置，扩大适用范围，进一步降低计算复杂度。
一种高效卷积计算方法

[发明专利]一种浮点数转换方法及装置-CN202010111088.X有效
发明人： 王中风;徐铭阳;方超;林军 -专利权人：南京大学
申请日： 2020-02-24 - 公布日： 2023-10-13 - 主分类号： H03M7/24 文献下载
摘要：本发明公开了一种浮点数转换方法及装置，能够将基于IEEE 754规范的单精度浮点数转换为posit数据格式的浮点数，即第二浮点数。在很多神经网络的训练过程中，其运算数据近似服从正态分布，可通过变换使数据集中在0附近，而本发明中的posit数据格式的浮点数在神经网络训练过程中就可以在0附近保证精度，并且，本发明中posit数据格式的浮点数的预设总位宽是可以调控的，因此又可以很大程度的减少数据位宽，进而减少存储所需要的资源以及读写过程所消耗的资源，提高神经网络训练的效率。
一种浮点转换方法装置

[发明专利]一种基于E-G两步法的配对交易协整关系加速验证方法-CN202010999435.7有效
发明人： 王中风;梁双;路思远;林军 -专利权人：南京大学
申请日： 2020-09-22 - 公布日： 2023-10-13 - 主分类号： G06F17/18 文献下载
摘要：本申请公开一种基于E‑G两步法的配对交易协整关系加速验证方法，包括：获取待验证协整关系的两个时间序列；对其残差及所述残差的差分进行增广迪基福勒检验，其中：利用LDLT分解法求解最大滞后阶数对应的回归分析结果；根据所述最大滞后阶数对应的回归分析结果，获取全部滞后阶数对应的回归分析结果，得到对应的误差平方和；利用优化的赤池信息量准则公式，计算所述全部滞后阶数对应的赤池信息量准则函数值；选取最小的所述赤池信息量准则函数值对应的滞后阶数为最优滞后阶数；得到所述最优滞后阶数对应的回归系数。本申请针对传统算法中的多次应用普通最小二乘法算法进行算法强度缩减和近似计算，提高两个时间序列协整关系的验证速度。
一种基于步法配对交易关系加速验证方法

[发明专利]一种级联译码方法-CN202210192714.1有效
发明人： 王中风;杨蕾;崔航轩 -专利权人：南京大学
申请日： 2022-03-01 - 公布日： 2023-10-13 - 主分类号： H04L1/00 文献下载
摘要：本申请利用传输数据经过调制后，每个传输符号的低位比高位更容易出错的特性，提出一种外码采用RS码，内码运用多层编码思想的级联编码及译码方法。所述级联编码方法的外码采用RS码，对RS码字数据进行交织，将交织后的数据分成预设数量组的比特数据，对每一组比特数据采用不同码率的码字进行编码，得到预设数量组的多层子码字数据，进行调制得到调制数据；其中每组多层子码字数据的长度一致，分别对应调制数据中的不同位。所述级联编码方法在码率一定的情况下，使用较短的码长实现较高的编码增益；级联译码使用低位译码结果辅助对信道接收数据中的高位数据进行解调译码，获得较高的译码性能，满足400Gb/s以上以太网的译码性能需求。
一种级联译码方法

[发明专利]一种用于大语言模型中Softmax函数训练的装置-CN202310881111.7在审
发明人： 王中风;邵海阔;鲁金铭 -专利权人：南京大学
申请日： 2023-07-18 - 公布日： 2023-09-29 - 主分类号： G06N3/084 文献下载
摘要：本发明提供了一种用于大语言模型中Softmax函数训练的装置，所述装置的上半部分是前向传播路径，下半部分是反向传播路径；所述前向传播路径包含ex指数函数单元、加法器和除法器，在ex指数函数单元、加法器和除法器之间均插入了寄存器；所述反向传播路径包含两个乘法器、一个加法器A1，以及用于重构数据路径的多路选择器MUX；所述两个乘法器分别为左侧乘法器B1，右侧乘法器B2；所述多路选择器MUX用于改变装置内部的数据流；所述前向传播路径和反向传播路径共用两个随机存取存储器RAM1和RAM2。本发明可应用于Softmax函数在训练各个阶段的计算，从而更好地利用计算和存储资源，以实现更高的性能和能效。
一种用于语言模型 softmax 函数训练装置

[发明专利]一种用于反卷积运算的数据预处理方法及装置-CN202010249282.4有效
发明人： 王中风;毛文东;林军 -专利权人：南京大学
申请日： 2020-04-01 - 公布日： 2023-09-22 - 主分类号： G06F17/15 文献下载
摘要：本申请实施例公开了一种用于反卷积运算的数据预处理方法及装置，通过根据反卷积核的尺寸以及所述反卷积核的步长，设定多个抽取起始点，并根据所述多个抽取起始点，分别按照预设的抽取间隔，对所述反卷积核进行元素抽取，获取多个子卷积核，其中，不同的抽取起始点对应获取不同的子卷积核，每一个所述子卷积核包括抽取所得的多个元素。上述方法中，硬件加速器在针对子卷积核与输入矩阵执行相乘累加操作时，不会存在大量的无效操作，提高了硬件加速器的计算效率，也无需额外的寄存器存储无效操作得到的中间结果，节省了硬件加速器的存储资源。
一种用于卷积运算数据预处理方法装置

[发明专利]用于Transformer类模型训练的矩阵乘法器-CN202310772645.6在审
发明人： 王中风;邵海阔;鲁金铭 -专利权人：南京大学
申请日： 2023-06-28 - 公布日： 2023-09-12 - 主分类号： G06F17/16 文献下载
摘要：本发明提供了用于Transformer类模型训练的矩阵乘法器，包括M行N列个脉动阵列，所述脉动阵列是二维的，通过R行C列个相互连接的处理单元PE构成，每个处理单元PE均包括1个乘法器、1个加法器、2个内部寄存器、1个左侧多路选择器，以及2个右侧多路选择器；所述左侧多路选择器能够选择乘法器的输入是来自处理单元PE外部或是保持上一周期的输入，当选择保持上一周期的输入时，处理单元PE以权重保持WS数据流工作；本发明设计了一种可重构的处理单元(PE)，可以在训练的不同阶段和不同周期灵活地支持多种数据流，并根据需求选择数据来源。
用于 transformer 模型训练矩阵乘法器

[发明专利]一种基于混合整形规划的ASIC布局优化方法-CN202310708804.6在审
发明人： 王中风;汤可;冯浪 -专利权人：南京大学
申请日： 2023-06-15 - 公布日： 2023-09-08 - 主分类号： G06F30/392 文献下载
摘要：本发明提供了一种基于混合整形规划的ASIC布局优化方法，包括：步骤1，对ASIC版图中的布局问题进行数学建模；步骤2，对每个网络的线长以轻量级RST模型建立MIP方程；步骤3，利用整形变量对非线性方程线性处理；步骤4，引入单流量算法，确保RST线长模型的正确性。本发明提出的方案通过对ASIC标准单元位置的建模和对其网络的RST的精确建模，把布局的条件转化成线性规划问题的约束，把减少布局的线长转化成线性规划问题的目标函数，在线性规划方程求解过程中，不断减少版图的线长，即不断优化初始版图的布局。该方案同时实现了集成电路设计中布局和布线两大难题。
一种基于混合整形规划 asic 布局优化方法

1
2
3
4
5
6
7
8
9
10
下一页»
尾页
共 149 条