专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果76个,建议您升级VIP下载更多相关专利
  • [发明专利]一种多标量乘法器及加速方法-CN202310843642.7在审
  • 黄以华;赵宝泽 - 中山大学
  • 2023-07-10 - 2023-10-27 - G06F7/72
  • 本发明涉及多标量乘法技术领域,公开了一种多标量乘法器及加速方法,多标量乘法器包括主控状态机、桶数据存储器、桶状态存储器、桶读写控制器、双入单出队列、点加法器、标量分割器和点取反器,通过判断状态可以检测到对某一累加中间过程的桶的多次碰撞,并运用加法结合律加快运算,提高点加法器的利用率,提升性能,在桶累加状态中通过追踪每个累加中间过程的桶的状态来对碰撞进行检测和处理,降低了设计难度。
  • 一种标量乘法器加速方法
  • [发明专利]一种基于FPGA的色调映射系统-CN201910181598.1有效
  • 黄以华;谭骏朗 - 中山大学
  • 2019-03-11 - 2023-09-22 - G06T5/00
  • 本发明涉及图像处理领域,更具体的,涉及一种基于FPGA的实时色调映射算法系统,本发明针对输入视频特定的分辨率,结合其权重值固定不变的特点,将原来需要进行大量计算的权重值使用了预先计算的方法来减低整个算法的计算量,在需要使用权重值时直接在存储器中读取即可,提高整个系统的吞吐率,满足实时映射需求。同时,本发明整个硬件系统的结构采用全局流水,局部并行的方式进行数据映射,整个系统各个模块间都以流水形式进行数据处理,在模块中以并行方式进行处理,极大地提高了整个系统的吞吐率,满足实时映射的需求。
  • 一种基于fpga色调映射系统
  • [发明专利]一种F-OFDM系统中的PAPR降低方法-CN202310240847.6在审
  • 黄以华;蒋景洋 - 中山大学
  • 2023-03-13 - 2023-06-23 - H04L27/26
  • 本发明公开了一种F‑OFDM系统中的PAPR降低方法,涉及电子信息及数字信号处理技术领域,包括以下步骤:S1:将频谱划分为M个子带;S2:对输入信号分别进行正交幅度调制后进行子载波映,得到M个输出信号;S3:将M个输出信号经过离散傅里叶逆变换后的时域数据分为V组,每个分组包含M/V个子带信号,长度为N;S4:复数加法对每个分组中的子带信号进行求和;S5:生成长度为K的循环移位向量[s1,s2,…,sk],一共生成KV种相位组合;S6:对相位组合进行叠加得到相应的候选信号;S7:计算所有候选信号的PAPR值,选择PAPR值最小的候选信号进行传输;本发明通过生成候选信号,降低系统中的PAPR值,提高了PAPR抑制性能。
  • 一种ofdm系统中的papr降低方法
  • [发明专利]一种基于FPGA的R(2+1)D网络硬件加速器(2+1)D卷积硬件结构-CN202310037292.5在审
  • 黄以华;向德昊;黄文津 - 中山大学
  • 2023-01-10 - 2023-06-23 - G06N3/063
  • 本发明公开了一种基于FPGA的R(2+1)D网络硬件加速器(2+1)D卷积硬件结构,所述的硬件结构包括部署在FPGA上的加速器核;所述的加速器核通过AXI4总线与DDR相连,与DDR进行特征图和权重数据的交互;所述的加速器核还通过AXI4‑lite总线与host相连,host通过AXI4‑lite总线读写加速器核中的配置寄存器;所述的加速器核包括卷积模块、池化模块和全连接模块;所述的卷积模块负责整个加速器核90%以上的计算量和存储量,负责进行卷积计算和逐元素加法操作;所述的池化模块和全连接模块负责网络最后的平均池化和全连接层计算;所述的卷积模块采用流水式(2+1)D卷积硬件架构。
  • 一种基于fpga网络硬件加速器卷积结构
  • [发明专利]关于二值权重DenseNet模型的混合流水式加速架构及加速方法-CN202010788798.6有效
  • 黄以华;曾世豪;黄文津;陈清坤 - 中山大学
  • 2020-08-07 - 2023-06-23 - G06N3/082
  • 本发明公开了一种关于二值权重DenseNet模型的混合流水式加速架构及加速方法,其中所述的加速系统包括控制单元,用于根据各个模块的状态指示信号,协调顶层模块的流水线工作,控制数据的输入输出;片上存储模块,用于存储网络参数;设有7个顶层模块,顶层模块之间通过插入ping‑pong缓存结构实现流水式并行工作,7个顶层模块分别为首层、第一密集块、第一过渡层、第二密集块、第二过渡层、第三密集块、分类层;对DenseNet的第一密集块、第二密集块、第三密集块分别设置一个可复用卷积计算单元对其进行处理;所述的首层是一个卷积层,对来自片外存储的输入图片数据进行处理;所述的分类层,用于将产生分类结果存储到片外存储模块。本发明降低了深层网络模型的实现难度,并且提高了计算效率和吞吐量。
  • 关于权重densenet模型混合流水加速架构方法
  • [发明专利]一种基于循环神经网络的片上网络任务映射方法-CN202310101442.4在审
  • 黄以华;张远山 - 中山大学
  • 2023-02-08 - 2023-05-30 - G06F15/78
  • 本发明公开一种基于循环神经网络的片上网络任务映射方法,包括以下步骤:S1:随机构造多个映射序列作为训练集,所述映射序列为相应任务绑定的IP核映射到片上网络中对应路由器的向量;S2:根据任务的总数构建循环神经网络;S3:利用步骤S1的训练集训练步骤S2的循环神经网络,得到训练好的循环神经网络;S4:依次确认训练好的循环神经网络的输入值,依次使每一个输入值对应的性能估计最高,且每一个输入值均不同;S5:按输入顺序排序输入值,得到应用对应的映射序列。本发明方法在训练集数据以及训练时间充分的情况下相比于传统算法NMAP可以降低约30%的通信代价。
  • 一种基于循环神经网络网络任务映射方法
  • [发明专利]一种后量子密码Crystals Kyber协议的密码系统-CN202210346751.3有效
  • 黄以华;曾庆茹 - 中山大学
  • 2022-04-02 - 2023-05-23 - H04L9/08
  • 本发明提出了一种后量子密码Crystals Kyber协议的密码系统;针对CrystalsKyber协议设计了一个消耗资源较少的硬件电路结构;根据CrystalsKyber中使用HASH函数的方式,针对性的设计了统一的HASH模块,其中所有的函数都共用一个优化过的硬件核心,有效地减少了资源的使用;包括两个并列的蝴蝶单元的NTT模块使得NTT操作与INTT操作能够共用一份电路,进一步减少了资源的使用;与传统方法相比,本发明能减少控制逻辑的复杂度,节约部分计算资源;本发明模块复用率较高,资源消耗较少,可以有效的部署在很多资源受限的场合。
  • 一种量子密码crystalskyber协议系统
  • [发明专利]一种基于FPGA的图神经网络高DSP资源利用率的稀疏稀疏矩阵乘法阵列-CN202310086349.0在审
  • 黄以华;许翔智 - 中山大学
  • 2023-01-18 - 2023-05-09 - G06N3/063
  • 本发明公开了一种基于FPGA的图神经网络高DSP资源利用率的稀疏稀疏矩阵乘法阵列,包括预处理模块,用于根据所使用的GNN模型以及其数据集,生成所需的功能配置参数以及特征向量矩阵、邻接矩阵,并控制切片大小对特征向量矩阵、邻接矩阵进行切片处理;特征矩阵缓存模块,用于缓存通过切片处理后的特征向量矩阵有效值;邻接矩阵缓存模块,用于缓存通过切片处理后的邻接矩阵有效值;堵塞缓解阵列,按照堵塞缓解策略将邻接矩阵有效值传输到配对阵列;配对阵列获取堵塞缓解阵列传输的邻接矩阵有效值,和特征矩阵缓存模块传输的特征向量矩阵有效值,将邻接矩阵有效值和特征向量矩阵有效值按照一定的顺序输入乘法阵列中;乘法阵列根据接收到的邻接矩阵有效值和特征向量矩阵有效值进行乘法处理,并输出部分聚合结果。
  • 一种基于fpga神经网络dsp资源利用率稀疏矩阵乘法阵列
  • [发明专利]一种流水式卷积计算架构设计方法及残差网络加速系统-CN202110262425.X有效
  • 黄以华;黄俊源;陈志炜 - 中山大学
  • 2021-03-10 - 2023-04-28 - G06N3/0464
  • 本发明提供一种流水式卷积计算架构设计方法及残差网络加速系统,该方法将该硬件加速架构分为片上缓冲区、卷积处理阵列和逐点加法模块;设置该硬件加速架构的主路由三块串行排列的卷积处理阵列组成,在它们之间插入两块流水线缓冲区,用于实现主路的三层卷积的层间流水;设置第四卷积处理阵列用于并行处理残差积木块分支的内核大小为1×1的卷积层,通过配置第四卷积处理阵列中的寄存器,改变其工作模式,使其可用于计算残差网络头部卷积层或全连接层,当残差积木块的分支无卷积时,跳过第四卷积处理阵列不执行卷积;设置逐点加法模块将残差积木块主路的输出特征与分支快捷连接的输出特征执行对应输出特征像素逐元素相加。
  • 一种流水卷积计算架构设计方法网络加速系统
  • [发明专利]一种基于FPGA和多分辨率哈希编码算法的NeRF渲染器及渲染方法-CN202211304570.0在审
  • 黄以华;许翔智 - 中山大学
  • 2022-10-24 - 2022-12-30 - G06T15/00
  • 本发明公开了一种基于FPGA和多分辨率哈希编码算法的NeRF渲染器及渲染方法,涉及图像渲染技术领域,将NeRF渲染器部署到FPGA上,NeRF渲染器包括特征读取器、颜色与不透明度推理器、光线渲染器、内存;特征读取器根据输入的参数,计算得到采样点的光线方向、采样点之间的距离并分别发送给颜色与不透明度推理器、光线渲染器;根据计算得到的采样点的坐标计算所需特征在内存中的地址并读取特征后进行插值处理并发送给颜色与不透明度推理器;颜色与不透明度推理器计算出采样点的颜色、采样点的不透明度并发送到光线渲染器;光线渲染器根据采样点之间的距离、采样点的颜色、不透明度信息计算出渲染结果;对目标特征进行区分,减小了内存的占用,简化渲染步骤。
  • 一种基于fpga分辨率编码算法nerf渲染方法
  • [发明专利]一种基于二次迁移学习的虹膜身份验证方法-CN201910528587.6有效
  • 黄以华;张睿 - 中山大学
  • 2019-06-18 - 2022-12-09 - G06V40/18
  • 本发明提出一种基于二次迁移学习的虹膜身份验证方法,包括以下步骤:采集眼球虹膜图片,进行预处理后划分为训练集和测试集;将训练集图片输入已进行预训练的深度卷积神经网络中进行迁移学习的分类训练;对训练集图片进行三元组的构造,去除深度卷积神经网络中的全连接层,再输入三元组对深度卷积神经网络进行二次迁移学习训练;将测试集图片输入深度卷积神经网络,输出特征向量后与其对应的身份信息进行验证,若验证成功,深度卷积神经网络完成训练;否则,调整结构参数后对深度卷积神经网络重新进行二次迁移学习训练;将待验证的图片输入完成训练的深度卷积神经网络中,将输出特征向量与存储有人员身份的数据库进行距离匹配,输出身份验证结果。
  • 一种基于二次迁移学习虹膜身份验证方法
  • [发明专利]一种基于片上网络的构造启发式映射方法-CN202110643764.2有效
  • 黄以华;张远山;陈清坤;黄文津 - 中山大学
  • 2021-06-09 - 2022-09-20 - G06F15/78
  • 本发明提供一种基于片上网络的构造启发式映射方法,该方法源于目前芯片上处理器资源的不断增长以及通信的及时性和持续性需求,但是单位晶体管的发热无法大幅降低,冷却技术的发展也不如由摩尔定律提出的晶体管数量增长的速度,导致提供给芯片的功耗无法大量提升。因此本发明的方法是关于如何快速获取一个低通信能耗的应用映射结果。通过一个不规则的映射方式可以保证应用映射结果的低能耗,另外逐步贪婪搜索可以加速获得映射的结果,而映射流程的合理设计可以获得一个热可靠的最终应用映射结果。本发明方法的映射结果相比于传统方法平均提升了约40%的系统性能,尤其是在多任务的映射情况下,这个方法能在更短的时间内获得更佳的映射效果。
  • 一种基于网络构造启发式映射方法

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

400-8765-105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