“石匆”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25个，建议您升级VIP下载更多相关专利

[发明专利]脑仿生片上学习脉冲神经网络及边缘端神经形态处理器-CN202310638717.8在审
发明人：石匆;田敏;何俊贤;王腾霄;王海冰;喻剑依;高灏然;张靖雅;陈乐毅;陈思豪;庹云鹏 -专利权人：重庆大学
申请日： 2023-05-31 - 公布日： 2023-08-29 - 主分类号： G06N3/049 文献下载
摘要：本发明公开了一种脑仿生片上学习脉冲神经网络及边缘端神经形态处理器，包括编码层、特征提取层和决策层；所述编码层用于对输入图像进行脉冲编码；若输入为动态视觉传感器产生的数据，则直接送到特征提取层，编码层不工作；如果输入为静态图像，则将静态图像像素值编码为脉冲序列后再输入给特征提取层；所述特征提取层通过对编码层输出的脉冲进行提取和选择特征，所述特征提取层支持的特征提取方法包括脉冲极限学习机、时空压缩感知、液体状态机、局部/部分连接；所述决策层用于接收来自特征提取层的脉冲，并对决策层的权重进行片上学习训练。本发明能够灵活配置执行不同的片上学习算法，减小资源消耗，降低芯片的功耗。
仿生学习脉冲神经网络边缘神经形态处理器

[发明专利]基于Ca-LIF神经元模型的Spike-BP片上学习方法、系统及处理器-CN202310620352.6在审
发明人：石匆;高灏然;田敏;何俊贤;王腾霄;喻剑依;王海冰;陈思豪;张靖雅;庹云鹏;陈乐毅 -专利权人：重庆大学
申请日： 2023-05-29 - 公布日： 2023-08-22 - 主分类号： G06N3/084 文献下载
摘要：本发明公开了一种基于Ca‑LIF神经元模型的Spike‑BP片上学习方法、系统及处理器，其采用可训练的线性泄漏参数和基于钙门控的正负双通道脉冲发射机制，对于Ca‑LIF神经元模型只需要通过减去即可实现线性泄漏操作，在求解梯度矩阵时能避免复杂的泄漏补偿操作，降低硬件实现复杂度，节省后续硬件设计的大量计算资源，并能提升脉冲神经网络训练的性能。
基于 ca lif 神经元模型 spike bp 学习方法系统处理器

[发明专利]事件驱动类型芯片中突触权重更新方法、芯片、电子设备-CN202310615882.1在审
发明人：石匆;王海冰;田敏;何俊贤;王腾霄;喻剑依;高灏然;张靖雅;陈乐毅;陈思豪;庹云鹏 -专利权人：重庆大学
申请日： 2023-05-29 - 公布日： 2023-08-22 - 主分类号： G06N3/063 文献下载
摘要：本发明涉及人工智能领域和类脑智能芯片领域，具体涉及事件驱动类型芯片中突触权重更新方法、芯片、电子设备，所述方法为：在事件驱动类型芯片的深度卷积神经网络的训练中，采用BP‑STDP学习规则对深度卷积神经网络的卷积层各突触的权重进行更新，采用DFA‑STDP学习规则对深度卷积神经网络的全连接层各突触的权重进行更新。其使得神经形态芯片能够实现最大化的并行计算，大幅度提高处理速度，提升芯片性能。
事件驱动类型芯片突触权重更新方法电子设备

[发明专利]深层脉冲神经网络模型及深层SNN片上实时学习处理器-CN202310616007.5在审
发明人：石匆;张靖雅;田敏;王腾霄;何俊贤;喻剑依;高灏然;王海冰;陈乐毅;陈思豪;庹云鹏 -专利权人：重庆大学
申请日： 2023-05-29 - 公布日： 2023-08-08 - 主分类号： G06N3/049 文献下载
摘要：本发明公开了一种深层脉冲神经网络模型及深层SNN片上实时学习处理器，包括输入层、L−1个隐藏层和输出层，每一层均通过突触权重与前一层完全连接；突触权重的训练方法为通过固定的随机反馈矩阵将输出层误差向量直接投影到各隐藏层；在处理训练样本的脉冲序列期间，每当输出层的IF神经元j在时间步t发射脉冲但其标签与训练样本标签不匹配时，负误差立即触发各层神经元的突触权重更新；在处理完训练样本的所有脉冲后，每个从未发射但其标签与输入样本标签匹配的输出层的IF神经元都会有一个正误差，触发各层神经元的突触权重更新；硬件基于事件驱动，采用异构双核的并行阵列和流水线电路设计。本发明具有较高的识别精度，实现快速片上学习。
深层脉冲神经网络模型 snn 实时学习处理器

[发明专利]一种基于液体状态机的脉冲神经网络架构-CN202310617384.0在审
发明人：石匆;陈乐毅;田敏;何俊贤;王腾霄;王海冰;喻剑依;高灏然 -专利权人：重庆大学
申请日： 2023-05-29 - 公布日： 2023-08-08 - 主分类号： G06N3/065 文献下载
摘要：本发明涉及一种基于液体状态机的脉冲神经网络架构，包括存储层神经元阵列和学习层神经元阵列，分别用于模拟储存层和学习层；所述储存层神经元阵列包括权重生成与概率发射模块，配置为具有第一线性反馈寄存器和第二线性反馈寄存器，在突触前脉冲来临时，通过读取指定的随机数种子存储器中的随机数种子，使得第一线性反馈寄存器产生固定的随机数序列，生成突触后神经元与不同的突触前神经元的权重；所述学习层神经元阵列包括IF神经元模块、膜电位存储电路、权重存储电路、以及权重学习模块。本发明能够在高速并行计算时减少硬件资源消耗量，保证网络的性能的同时达到低硬件资源消耗的目的。
一种基于液体状态机脉冲神经网络架构

[发明专利]基于全脉冲HMAX模型的多层卷积类脑芯片-CN202310619311.5在审
发明人：石匆;何俊贤;王腾霄;王海冰;高灏然;张靖雅 -专利权人：重庆大学
申请日： 2023-05-29 - 公布日： 2023-08-08 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于全脉冲HMAX模型的多层卷积类脑芯片，芯片采用层类型可配置的多核架构，总体由全局控制器、数个级联的脉冲卷积核、层间共享学习引擎以及输出脉冲解码器四个部分组成。全局控制器主要负责处理器内部与外界数据的传输、交互与控制。脉冲卷积处理核是处理器的核心模块，其依次相连，后一个处理核接收前一个处理核输出的脉冲数据。当某一网络层处于学习状态时，该网络层会调用层间共享学习引擎模块完成片上学习。输出脉冲解码器通过对输出的AER数据进行解码，从而实现分类功能，并将结果向外输出。本发明能够实现全脉冲HMAX模型的高效片上学习与推理，解决了现有边缘端类脑芯片识别率较低、性能不足、能效较差的问题。
基于脉冲 hmax 模型多层卷积芯片

[发明专利]基于双模式积分点火神经元的片上脉冲编码器-CN202310036522.6在审
发明人：石匆;庹云鹏;钟正青;田敏;王海冰;王腾霄;何俊贤;陈乐毅;张靖雅;王丽;陈思豪;高灏然 -专利权人：重庆大学
申请日： 2023-01-09 - 公布日： 2023-05-02 - 主分类号： G06N3/06 文献下载
摘要：本发明公开了一种基于双模式积分点火神经元的片上脉冲编码器，包括输入像素存储器、全局调度器、脉冲仲裁器、编码模块阵列和参数寄存器；全局调度器分别与输入像素存储器、脉冲仲裁器和参数寄存器连接；编码模块阵列分别与输入像素存储器、脉冲仲裁器和参数寄存器连接；在全局调度器的控制下，脉冲编码器根据参数寄存器配置所有编码核心中神经元的模式；在每次编码运算前，输入像素存储器取出N个像素并将这N个像素同时传递给N个编码核心，N个编码核心以时分复用方式并行编码这N个像素；编码生成的所有脉冲AER数据从脉冲仲裁器串行输出。本发明具有片上实时编码能力，能够将图像像素直接编码为脉冲数据。
基于双模积分点火神经元脉冲编码器

[发明专利]基于深度可分离卷积的轻量级神经网络硬件加速器-CN202110332526.X有效
发明人：林英撑;李睿;石匆;何伟;张玲;杨晶 -专利权人：重庆大学
申请日： 2021-03-29 - 公布日： 2023-02-28 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于深度可分离卷积的轻量级神经网络硬件加速器，包括A路K×K通道卷积处理单元并行阵列、A路1×1点卷积处理单元并行阵列以及用于缓冲卷积神经网络和输入输出特征图的片上存储器；卷积神经网络是将神经网络MobileNet采用量化感知训练方法压缩所得的轻量级神经网络；A路K×K通道卷积处理单元并行阵列、多路1×1点卷积处理单元并行阵列部署在像素级流水线中；每个K×K通道卷积处理单元包括1个乘法器、1个加法器和1个激活函数计算单元；每个1×1点卷积处理单元包括多路选择器、1个两级加法器树和1个累加器。本发明解决了以往加速器在推理过程产生高能耗片外访存问题，同时节省了资源并提高了处理性能。
基于深度可分离卷积轻量级神经网络硬件加速器

[发明专利]基于时间步的二值脉冲图的脉冲卷积神经网络硬件加速器-CN202110332549.0有效
发明人：张玲;杨晶;石匆;林英撑;何伟;李睿 -专利权人：重庆大学
申请日： 2021-03-29 - 公布日： 2022-10-14 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于时间步的二值脉冲图的脉冲卷积神经网络硬件加速器，包括第一特征提取器、第二特征提取器、分类引擎和控制器；第一特征提取器设置在第一层，用于卷积计算、膜电位更新以及池化操作；第二特征提取器设置在第二层，用于卷积计算、膜电位更新以及池化操作，该第二特征提取器的输入端与第一特征提取器的输出端连接；所述分类引擎设置在第三层，用于对目标的分类，其由多个并行设置的全连接单元和一个脉冲计数器组成，分类引擎的输入端与第二特征提取器的输出端连接；所述控制器用于负责控制输入权重，该控制器分别与第一特征提取器、第二特征提取器和分类引擎连接。本发明能够提高网络的仿生性，提高了计算效率，节省了资源消耗。
基于时间脉冲卷积神经网络硬件加速器

[发明专利]轻量级片上学习FPGA硬件架构及其设计方法-CN202210713374.2在审
发明人：石匆;张靖雅;田敏;王腾霄;王海冰;何俊贤;卢靖;高灏然 -专利权人：重庆大学
申请日： 2022-06-22 - 公布日： 2022-09-27 - 主分类号： G06N3/06 文献下载
摘要：本发明公开了一种轻量级片上学习FPGA硬件架构及其设计方法，以脉冲神经网络结构为基础，结合压缩感知规则和Tempotron算法，构建轻量级脉冲神经网络，压缩感知层直接发射脉冲，并在传统的Tempotron算法中加入膜电位和Trace协同复位机制，并以事件驱动的方式进行，提高了计算效率，易于硬件实现。本发明提高了计算速度，降低了硬件资源消耗。
轻量级学习 fpga 硬件架构及其设计方法

[发明专利]低光照小像素CFA采样与边缘计算设备适用的去马赛克方法-CN202210763316.0在审
发明人：石匆;任静;李睿;王海冰;高灏然;何俊贤;王腾霄;王丽 -专利权人：重庆大学
申请日： 2022-06-30 - 公布日： 2022-09-20 - 主分类号： G06T3/40 文献下载
摘要：本发明提出一种低光照小像素CFA采样与边缘计算设备适用的去马赛克方法，包括步骤1：先对原始数据集添加高斯噪声、降低亮度后，通过具有75%透明元素的CFA将RGB图像处理成马赛克图像，并设置训练目标神经网络的参数。步骤2：搭建以UNet++网络作为主框架的神经网络模型。步骤3：根据所述神经网络模型，分两阶段以最小化各自损失函数为目标训练相应的网络模型。步骤4：利用训练好的所述神经网络模型，对待处理图像进行处理，得到去马赛克的图像。本发明在保证适用于小像素彩色滤波整列马赛克图像恢复效果的基础上，优化网络拓扑结构，尽量减小参数量，加速训练时长，同时可以适用于边缘计算设备上的网络部署。
光照像素 cfa 采样边缘计算设备适用马赛克方法

[发明专利]存内计算装置及其控制方法-CN202210634812.6在审
发明人：石匆;陈乐毅;田敏;王海冰;喻剑依;何俊贤;王腾霄;高灏然 -专利权人：重庆大学
申请日： 2022-06-06 - 公布日： 2022-09-16 - 主分类号： G11C16/04 文献下载
摘要：本发明公开了一种存内计算装置及其控制方法，包括SRAM存储阵列、位线驱动电路模块和存内计算模块；所述SRAM存储阵列分别与位线驱动电路模块和存内计算模块连接；当存内计算装置进行写操作时，写入数据以及时钟信号进入位线驱动模块，驱动SRAM存储阵列中的写位线电压改变，将数据写入进SRAM存储阵列中；当存内计算装置进行读操作时，时钟信号进入位线驱动模块，同时驱动SRAM存储阵列内的读位线电压，SRAM存储阵列内的两根不同的读位线电压分别为第一操作数和第二操作数，存内计算模块最后按照控制指令选取操作数来源与计算种类进行计算并按列输出计算结果。本发明提高了计算过程的效率，节省了功耗。
计算装置及其控制方法

[发明专利]基于简化SDSP算法的轻量级片上学习方法、系统及处理器-CN202210801510.3在审
发明人：陈思豪;石匆;田敏;何俊贤;王腾霄;王海冰;高灏然;庹云鹏 -专利权人：重庆大学
申请日： 2022-07-08 - 公布日： 2022-09-06 - 主分类号： G06N3/04 文献下载
摘要：本发明属于微处理器技术领域，具体公开了一种基于简化SDSP算法的轻量级片上学习方法，用于脉冲神经网络的训练，包括:对输入图像进行速率编码，将静态帧图像转成脉冲形式，每个像素点看作突触前神经元；脉冲神经网络的输出层由泄露累积发射神经元组成，其中各神经元为突触后神经元，突触前神经元和突触后神经元采用全连接方式进行连接，其中突触前神经元发射的脉冲为突触前脉冲，突触后神经元发射的脉冲为突触后脉冲；在脉冲神经网络的训练中，依照基于突触后神经元的钙浓度Ca的简化脉冲驱动突触可塑性权重更新方法对各突触的权重进行更新。别发明还公开了基于该方法的系统和处理器。
基于简化 sdsp 算法轻量级学习方法系统处理器

[发明专利]基于忆阻器的可片上强化学习脉冲GAN模型及设计方法-CN202210550195.1在审
发明人：石匆;卢靖;田敏;王海冰;喻剑依;何俊贤;王腾霄;高灏然 -专利权人：重庆大学
申请日： 2022-05-20 - 公布日： 2022-08-26 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于忆阻器的可片上强化学习脉冲GAN模型及设计方法，包括以下步骤：步骤1、选择忆阻器模型，并基于该忆阻器模型设计能实现R‑STDP学习规则的1M4T突触电路；步骤2、构建LIF神经元电路，其中，所述LIF神经元电路采用泄漏累积发射神经元；步骤3、基于1M4T突触电路和LIF神经元电路搭建完整的GAN网络电路，其中，GAN网络电路的生成器和鉴别器均为基于忆阻器crossbar的单层全连接网络，并通过奖惩信号反向传播方法对构建的GAN网络电路进行训练；步骤4、利用GAN网络电路执行图像生成任务进行功能验证。本发明所得的基于忆阻器的可片上强化学习脉冲GAN模型能够实现快速学习并节省存储资源消耗。
基于忆阻器可片上强化学习脉冲 gan 模型设计方法

[发明专利]一种基于异构脉冲神经网络的人脸识别的FPGA芯片-CN202210361630.6在审
发明人：周政华;石匆;钟正青;王海兵;周喜川 -专利权人：重庆大学
申请日： 2022-04-07 - 公布日： 2022-07-05 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于异构脉冲神经网络的人脸识别的FPGA芯片，包括编码网络模块、分类器、数据缓存模块和全局控制器；所述全局控制器分别与编码网络模块和分类器连接；所述数据缓存模块与编码网络模块和分类器控制器连接。本发明用于人脸识别，在保证识别率的情况下，能够降低人脸识别功耗。
一种基于脉冲神经网络识别 fpga 芯片

1
2
下一页»
尾页
共 25 条