“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]一种用于获取同源密码的模乘结果的运算装置-CN202110006918.7在审
发明人： 王中风;田静;吴博 -专利权人：南京大学
申请日： 2021-01-05 - 公布日： 2021-04-20 - 主分类号： G06F7/72 文献下载
摘要：本申请公开了一种用于获取同源密码的模乘结果的运算装置，包括数据获取单元、数据处理单元、乘加单元、约简单元以及后处理单元，数据获取单元被配置为获取待处理的有限数域Fa和Fb，乘加单元被配置为对所述有限数域Fa和Fb执行乘加计算，得到乘加计算结果Fc，约简单元被配置为对所述乘加计算结果Fc执行约简计算，得到约简结果，后处理单元被配置为对所述约简结果执行后处理操作，得到模乘结果。通过并行计算约简结果，提升运算速度，降低运算延时，解决现有运算装置延时高、运算速度过慢的问题。
一种用于获取同源密码结果运算装置

[发明专利]一种实现动态计算的高精度高比例的分类模型及分类方法-CN202011607740.3在审
发明人： 王中风;王美琪;何鎏璐;林军 -专利权人：南京大学
申请日： 2020-12-30 - 公布日： 2021-04-09 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及神经网络技术领域，提供一种实现动态计算的高精度高比例的分类模型及分类方法，高精度高比例的分类模型包括主干网络模型和至少一个第一分支网络模型；主干网络模型包括输入端、输出端和多个中间层，在多个中间层的1/4‑1/3的层数之间，插入第一分支网络模型；第一分支网络模型包括分类模块和置信度确定模块。在实际应用过程中，分类模块用于产生插入处的分类输出，置信度确定模块用于判断分类输出是否满足精度要求，若满足精度要求，则高精度高比例的分类模型在第一分支网络模型的输出端提前退出，若不满足精度要求，则放弃分类模块产生的分类输出，并返回主干网络模型的中间层，继续完成分类运算。
一种实现动态计算高精度比例分类模型方法

[发明专利]一种基于并行快速FIR滤波器算法的卷积神经网络硬件加速器-CN201710151826.1有效
发明人： 王中风;王稷琛;林军 -专利权人：南京风兴科技有限公司
申请日： 2017-03-10 - 公布日： 2021-04-06 - 主分类号： G06N3/06 文献下载
摘要：本发明公开了一种基于并行快速FIR滤波器算法的卷积神经网络硬件加速器。本加速器主要由计算逻辑和存储单元两大部分构成，计算逻辑主要包含多用处理器，快速卷积单元以及由快速卷积单元构成的卷积计算阵列；存储单元包括像素存储器，权值缓存，附加存储器和片外动态存储器。本加速器可以在三个层面并行处理卷积神经网络的计算，分别是行(列)并行，层内并行和层间并行。由于本加速器可以适用在多种并行度的场合，所以可以非常高效地处理卷积神经网络的计算，并且能够达到可观的数据吞吐率。
一种基于并行快速 fir 滤波器算法卷积神经网络硬件加速器

[发明专利]一种基于模型压缩的递归神经网络加速器的硬件架构-CN201710151781.8有效
发明人： 王中风;王智生;林军 -专利权人：南京风兴科技有限公司
申请日： 2017-03-10 - 公布日： 2021-02-05 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于模型压缩的递归神经网络加速器的硬件架构。硬件架构包含以下部分：矩阵乘加单元，用于实现神经网络中主要的矩阵向量乘法运算，该单元由多个乘加单元簇组成，每个乘加单元簇内包含多个由不同的基本乘加单元构成的乘加单元块，其数量直接决定加速器的并行度和吞吐率；多个双端片上静态随机存储器，其中有三个用于存储递归神经网络计算时产生的中间结果，并且有两个构成乒乓存储结构以提高数据存取效率，其余存储器用于存储神经网络的参数；多个非线性计算单元，用于实现神经网络中的非线性函数；控制单元，用于产生相关控制信号及控制数据流的流动。本发明可以实现很高的硬件效率，且可扩展性强，是一种可用于智能人机交互、机器人控制等相关领域嵌入式系统的合理方案。
一种基于模型压缩递归神经网络加速器硬件架构

[发明专利]一种循环迭代乘加运算的硬件架构及方法-CN202011254262.2在审
发明人： 王中风;吴博;田静 -专利权人：南京大学
申请日： 2020-11-11 - 公布日： 2021-01-29 - 主分类号： G06F7/544 文献下载
摘要：本申请示出一种循环迭代乘加运算的硬件架构及方法，用于公式的计算，包括：接收单元、选择单元、乘法器、加法器以及存储单元；乘法器计算an‑1和R的乘法结果输出至加法器，加法器计算乘法结果与第二选择器的筛选结果得到加法结果并将其分为高位和低位，输出至选择器进行下一轮循环迭代乘加运算，共进行n(n‑1)个时钟周期完成整个运算。本申请示出的一种循环迭代乘加运算的硬件架构及方法，计算复杂度低、资源消耗低、占用面积小，在需要计算该公式且对面积以及时钟频率有要求的特定场合能起到重要作用。
一种循环迭代乘加运算硬件架构方法

[发明专利]一种用于稀疏神经网络的乒乓存储方法及装置-CN202011087095.7有效
发明人：陶为;王中风;林军;王丹阳 -专利权人：南京风兴科技有限公司
申请日： 2020-10-13 - 公布日： 2021-01-26 - 主分类号： G06N3/04 文献下载
摘要：本发明示出一种用于稀疏神经网络的乒乓存储方法及装置，解决了稀疏神经网络计算时，一次性加载大量权重数据极大消耗片上存储资源的问题。本发明示出的乒乓存储装置包括稀疏处理单元、权重存储单元M0、权重存储单元M1、计算单元及控制单元；本发明示出一种稀疏神经网络的乒乓存储方法，在稀疏处理的权重数据中加入配置位，M0和M1用以乒乓存储的方式循环存储加入配置位后的权重数据，计算单元计算出每组数据的切换点。当下一组数据上传完毕时，卷积计算每计算到切换点就进行数据切换，控制单元负责控制各单元完成以上工作。本发明解决了稀疏神经网络乒乓存储时切换点的确定问题，进而实现了稀疏神经网络的乒乓存储。
一种用于稀疏神经网络乒乓存储方法装置

[发明专利]边界卷积计算方法、装置、计算机设备及可读存储介质-CN202011097227.4在审
发明人：陶为;王中风;王丹阳;毛文东 -专利权人：南京风兴科技有限公司
申请日： 2020-10-14 - 公布日： 2021-01-15 - 主分类号： G06F17/15 文献下载
摘要：本申请公开了边界卷积计算方法、装置、计算机设备及可读存储介质，该方法包括加载当前图像，若当前图像是整个图像的第一部分图像，则针对当前图像执行卷积计算，并将当前图像中的边界元素存储至内部存储模块；若不是，则取出内部存储模块中存储的目标邻近图像的边界元素，将目标邻近图像的边界元素按位置大小合并至当前图像中，针对得到的合并图像执行卷积计算，并将合并图像中的边界元素存储至内部存储模块，其中，目标邻近图像为与当前图像相邻的图像，目标邻近图像与当前图像之间不存在重复的元素。上述方法对边界元素进行暂存，当需要进行卷积计算时再取出，不会导致整个图像卷积计算总次数的增加，有效提高卷积计算效率。
边界卷积计算方法装置计算机设备可读存储介质

[发明专利]一种可重构神经网络训练计算方法及装置-CN202011158090.9在审
发明人： 王中风;尹彤彤;鲁金铭;林军 -专利权人：南京大学
申请日： 2020-10-26 - 公布日： 2021-01-05 - 主分类号： G06F7/498 文献下载
摘要：本申请公开了一种可重构神经网络训练计算方法及装置，包括获取输入数据的属性信息；所述属性信息包括卷积核大小、步长值和计算模式信息；根据所述属性信息生成控制指令，将原始计算单元配置为训练计算单元；本申请的方案采用多路选择器来适配不同的计算模式，通过获取输入数据的属性信息，并根据属性信息将原始计算单元配置为训练计算单元，使得训练计算单元可以高效支持前向传播、反向传播、梯度生成过程中多种不同的计算模式，提高计算单元利用率，还具有消除不同阶段下产生的无效计算的效果；同时，通过该架构的灵活性，有提高单元利用率的优点，能够降低冗余计算和提高数据复用率，从而能够加速卷积网络训练过程。
一种可重构神经网络训练计算方法装置

[发明专利]一种适用于多进制LDPC码的高性能、低复杂度的迭代大数逻辑译码方法-CN201910546357.2在审
发明人： 王中风;宋苏文;林军 -专利权人：南京大学
申请日： 2019-06-20 - 公布日： 2020-12-22 - 主分类号： H03M13/11 文献下载
摘要：本发明公开了一种适用于多进制LDPC码的高性能、低复杂度的迭代大数逻辑译码方法。该方法主要包括三个创新点：(一)提出两个减少实现复杂度的改进方法，在计算先验可靠性度量值时把寻找两个最小值的操作简化为寻找一个最小值操作，由此把所需的比较操作降低一半且几乎不造成性能损失；其次，在计算总的可靠性度量值时将大量的整数乘法转化为极少数量的除法，大大减少乘法操作的同时也降低了可靠性度量值的比特位宽；(二)提出一种不饱和限幅的方法，通过提升其他域元素的竞争力，极大地提升了译码性能并进一步降低可靠性度量值的比特位宽；(三)针对多进制LDPC译码存储消耗巨大的问题，提出了一种部分固定的存储方法，极大地减少了对应的存储消耗。本发明提出一种有效的译码方法，在提升译码性能的同时降低了实现复杂度，具有一定的创新性。
一种适用于多进制 ldpc 性能复杂度大数逻辑译码方法

[发明专利]一种6并行快速FIR滤波器-CN201710396331.5有效
发明人： 王中风;王昊楠;林军 -专利权人：南京风兴科技有限公司
申请日： 2017-05-24 - 公布日： 2020-12-22 - 主分类号： H03H17/06 文献下载
摘要：本发明公开了一种基于6并行快速有限冲激响应滤波器级联结构的尺寸可配置卷积硬件实现，该结构可以完成3*3、5*5、7*7和11*11四种尺寸的卷积计算，降低卷积计算复杂度，并在6并行结构下提高吞吐率。本发明先介绍了2并行与3并行快速FIR滤波器算法结构，然后根据2并行结构级联3并行子结构的方式产生6并行快速FIR滤波器算法(FFA)。在6并行FFA基础上，运用可配置子滤波器，设计了可以完成3*3、5*5、7*7和11*11四种尺寸卷积计算的快速卷积硬件架构。相比于传统的6并行FIR滤波器，在相同的吞吐率条件下，本算法可以在增加一些加法操作基础上同时节省50％的乘法操作。而由于在硬件实现上，乘法器的面积和功耗远大于加法器，因此本架构可以节省50％的面积和功耗。可以将本发明运用在需要多种典型尺寸(3*3、5*5、7*7和11*11)卷积计算的场合，例如卷积神经网络、视频图像处理、无线通信等，可以提高原始滤波器的有效吞吐量，或者降低原始滤波器的功耗。
一种并行快速 fir 滤波器

[发明专利]基于结构化稀疏的循环神经网络推理运算的加速系统及方法-CN202011114270.7有效
发明人：陶为;王中风;郭首亮;秦子迪 -专利权人：南京风兴科技有限公司
申请日： 2020-10-19 - 公布日： 2020-12-22 - 主分类号： G06N5/04 文献下载
摘要：本申请涉及人工智能算法硬件加速技术领域，提供一种基于结构化稀疏的循环神经网络推理运算的加速系统和方法，通过在LSTM模型训练过程中，对权重值矩阵进行对数域量化和结构化稀疏，从而降低推理运算的复杂度，在推理运算时，经过对数域量化和结构化稀疏的权重值矩阵，数据量更小，硬件端可以从软件端一次性读取多行权重值矩阵，以便多行权重值可以在多个时间序列中被重复使用，进一步降低推理运算的复杂度，并利用暂存值储存器存储暂存值和累加值，从而优化推理运算的过程，减少加速系统访问外界存储器的频次，降低大量访存带来的硬件功耗。
基于结构稀疏循环神经网络推理运算加速系统方法

[发明专利]一种用于卷积神经网络CNN的硬件加速系统及控制方法-CN202011081151.6在审
发明人：杨东天;王中风;孟明;杨灿 -专利权人：南京风兴科技有限公司
申请日： 2020-10-12 - 公布日： 2020-11-13 - 主分类号： G06N3/063 文献下载
摘要：本发明示出一种用于卷积神经网络CNN的硬件加速系统及控制方法。硬件加速系统包括：CNN网络模型服务器和CNN硬件加速器。硬件加速系统的控制方法为：设计人员根据应用需求选择合适的网络模型，CNN网络模型服务器接收网络模型，预先生成控制指令和网络参数的文件，CNN硬件加速器预先存储控制指令和网络参数的文件。在实际应用场景中，CNN硬件加速器被部署在应用系统里，用以当应用系统运行时，接收特征数据，并基于上述控制指令对网络参数和特征数据进行CNN计算，最终将计算结果输出给应用系统的控制单元。本发明示出的硬件加速系统可以预先生成控制指令，解决了因软硬件实时交互消耗一定时间造成的加速器性能下降的问题。
一种用于卷积神经网络 cnn 硬件加速系统控制方法

[发明专利]传输数据的方法、装置、发送设备和接收设备-CN201710553166.X有效
发明人：王心远;杨文斌;王中风;林军 -专利权人：华为技术有限公司
申请日： 2017-07-07 - 公布日： 2020-11-10 - 主分类号： H04L1/00 文献下载
摘要：本申请提供了一种传输数据的方法和装置，发送设备获取第一母码，第一母码包括长度为k的信息符号序列和长度为n的校验符号序列，k≥1且k为整数，n≥1且n为整数；发送设备根据第一母码，生成N个子码，N≥2，且k不能被N整除，该N个子码中的第i个子码包括长度为ki的信息符号序列和长度为ni校验符号序列，i∈[1，N]，N个子码中的至少两个子码分别包括的信息符号序列中的信息符号的数量不同；发送设备向接收设备发送N个子码。通过使N个子码中的至少两个子码所包括的信息符号的数量不同，从而将该第一母码分为N个码长较短的子码，进而降低纠错过程中的解码延迟与解码功耗。
传输数据方法装置发送设备接收

[发明专利]一种基于卷积自动编码算法的图像压缩硬件加速器装置-CN202010660030.0在审
发明人： 王中风;李文斌;林军 -专利权人：南京大学
申请日： 2020-07-06 - 公布日： 2020-10-20 - 主分类号： H04N19/42 文献下载
摘要：本发明公开了一种基于卷积自动编码算法的图像压缩硬件加速器装置。本装置主要由控制单元，逻辑计算加速单元和存储单元三大部分组成。控制单元主要包含对逻辑计算加速单元的控制和对存储单元的控制；逻辑计算加速单元包含复用处理器、周期并行卷积计算单元和计算单元组成的卷积计算阵列；存储单元包括像素存储器、权值存储器、结果存储器和片外动态存储器。本装置对于图像压缩的加速主要为：针对图像特点做出的卷积拆分；增加计算并行度；周期性的卷积控制。由于本装置的周期性卷积拆分和高并行度的工作特点，可以非常有效地利用卷积自动编码算法，针对图像进行压缩处理加速，避免过多的硬件资源消耗，具有一定创新性。
一种基于卷积自动编码算法图像压缩硬件加速器装置

[发明专利]一种面向下一代以太网的FEC方案及其解码器硬件架构-CN201910162244.2在审
发明人： 王中风;严增超;李文杰;林军 -专利权人：南京大学
申请日： 2019-03-04 - 公布日： 2020-09-11 - 主分类号： H04L1/00 文献下载
摘要：随着400G以太网的技术日趋成熟，下一代以太网的研究工作也陆续开展起来，前向纠错码(FEC)方案的选取仍然是下一代以太网研究中的一个重要课题。下一代以太网仍然有望采用至少4路光纤的方案实现，为达到高于800Gbps的总吞吐率，FEC解码器需要在满足编码增益的条件下达到200Gbps甚至更高的吞吐率。在保证高吞吐率的同时，尽可能减少解码器的功耗。本发明公开了一种面向下一代以太网的FEC方案及其解码器的硬件架构。我们采用Hamming码作为外码和RS码作为内码的级联码方案，外码采用软解码，内码采用硬解码。此外，我们还设计了该级联码解码器的硬件架构，经过硬件综合和分析，该解码器可以达到200Gbps的吞吐率。
一种面向下一代以太网 fec 方案及其解码器硬件架构