“神经形态”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果277637个，建议您升级VIP下载更多相关专利

[发明专利]基于图神经网络的神经元形态分析方法、设备及存储介质-CN202211118672.3有效
发明人：陈雪锦;吴枫;赵杰 -专利权人：中国科学技术大学
申请日： 2022-09-15 - 公布日： 2022-12-30 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于图神经网络的神经元形态分析方法、设备及存储介质，方法包括：步骤1，接收待分析的神经元形态数据，将神经元形态数据生成为神经元图数据；步骤2，通过预先以对比学习方式训练好的形态感知深度哈希图神经网络从所述神经元图数据提取神经元形态特征；步骤3，将所述形态感知深度哈希图神经网络所提取的神经元形态特征通过二值化获得对应的神经元形态哈希编码，所述神经元形态哈希编码用于神经元形态分类或者神经元检索。该方法使得图神经网络模型可以在没有人工标注数据的情况下，学习神经元形态数据的哈希编码特征。
基于神经网络神经元形态分析方法设备存储介质

[发明专利]用于神经网络的全局和本地时间步长确定方案-CN201811130578.3在审
发明人： G.K.陈;K.巴德瓦吉;R.库马尔;H.E.苏姆布尔;P.克纳格;R.K.克里什纳墨菲;H.考尔 -专利权人：英特尔公司
申请日： 2018-09-27 - 公布日： 2019-04-05 - 主分类号： G06N3/063 文献下载
摘要：在一个实施例中，处理器包括：第一神经形态核，用于实现神经网络的多个神经单元，第一神经形态核包括：存储器，用于存储第一神经形态核的当前时间步长;以及控制器，用于跟踪从第一神经形态核接收脉冲或向第一神经形态核提供脉冲的相邻神经形态核的当前时间步长;并基于相邻神经形态核的当前时间步长控制第一神经形态核的当前时间步长。
神经形态时间步长神经网络存储器接收脉冲神经单元控制器脉冲处理器存储跟踪全局

[发明专利]神经形态封装设备和神经形态计算系统-CN202011108435.X在审
发明人：张宰薰;孙弘乐;薛昶圭;尹弼相;洪晸炫 -专利权人：三星电子株式会社
申请日： 2020-10-16 - 公布日： 2021-04-30 - 主分类号： G06N3/063 文献下载
摘要：一种神经形态封装设备，包括脉动阵列封装和控制器。脉动阵列封装包括沿第一方向和第二方向布置成脉动阵列的神经形态芯片。控制器与控制神经形态芯片的主机通信。神经形态芯片中的每一个在第一方向上顺序地传送神经网络系统的多个层的权重以存储权重。第一神经形态芯片基于其中存储的权重和在第二方向上接收的输入数据来执行计算，并将计算结果提供给与第一神经形态芯片相邻的第二神经形态芯片和第三神经形态芯片中的至少一个。第二神经形态芯片和第三神经形态芯片中的至少一个基于所提供的计算结果和其中存储的权重来执行计算。
神经形态封装设备计算系统

[发明专利]神经形态芯片中计算核的布局的方法、装置及设备-CN201811509500.2有效
发明人：马骋;赵琦;裴京;施路平 -专利权人：清华大学
申请日： 2018-12-11 - 公布日： 2023-06-20 - 主分类号： G06N3/063 文献下载
摘要：本申请涉及一种神经形态芯片中计算核的布局的方法、装置及设备。所述方法包括：获取神经形态芯片中计算核的布局所需的路由策略及路由包传播模式；根据所述路由策略以及所述路由包传播模式，选择约束条件；根据所述约束条件，执行预设算法，检测所述神经形态芯片中计算核的布局是否存在路由死锁风险；若所述神经形态芯片中计算核的布局不满足所述约束条件，所述神经形态芯片中计算核的布局存在所述路由死锁风险，则对所述神经形态芯片中计算核的布局重新进行所述预设算法，并将所述神经形态芯片中计算核的布局进行更新，直到所述神经形态芯片中计算核的布局满足所述约束条件，得到目标神经形态芯片中计算核的布局。
神经形态芯片计算布局方法装置设备

[发明专利]振荡忆阻神经形态电路的学习算法-CN201780072280.9在审
发明人：杰克·D·肯德尔;胡安·C·尼诺 -专利权人：佛罗里达大学研究基金会公司
申请日： 2017-10-27 - 公布日： 2019-08-13 - 主分类号： G06N3/04 文献下载
摘要：描述了振荡忆阻神经形态电路的学习算法。在一个实施例中，神经形态电路学习网络包括多个神经形态电路节点，每个节点包括识别神经元单元和生成神经元单元。该学习网络还包括在神经形态电路节点中的识别神经元单元之间的多个神经形态电路前馈耦合器以及在神经形态电路节点中的生成神经元单元之间的多个神经形态电路反馈耦合器。该学习网络还包括学习控制器，其被配置为在一种模式中驱动在识别神经元单元之间的活动并且训练生成神经元单元进行学习，以及在另一种模式中驱动在生成神经元单元之间的活动并且训练识别神经元单元进行学习。两个示例包括用于无监督神经网络和目标传播的唤醒‑睡眠算法。
神经形态电路神经元单元学习算法学习振荡学习控制器驱动反馈耦合神经网络网络包括网络无监督耦合器前馈算法睡眠唤醒传播配置

[发明专利]堆叠神经形态器件和神经形态计算系统-CN202011107915.4在审
发明人：张宰薰;孙弘乐;薛昶圭;柳根荣;尹灿湖;尹弼相 -专利权人：三星电子株式会社
申请日： 2020-10-16 - 公布日： 2021-05-04 - 主分类号： G06N3/063 文献下载
摘要：提供了堆叠神经形态器件和神经形态计算系统。该堆叠神经形态器件包括逻辑裸片和核心裸片，逻辑裸片包括控制电路并被配置为与主机通信，核心裸片堆叠在逻辑裸片上并通过延伸穿过核心裸片的硅通孔(TSV)连接到逻辑裸片。核心裸片包括神经形态核心裸片，神经形态核心裸片包括连接到行线和列线的突触阵列。突触阵列包括被配置为存储权重并基于权重和输入数据执行计算的突触。权重包括在神经网络系统的层中。并且控制电路通过TSV向神经形态核心裸片提供权重，并控制神经形态核心裸片的数据传输。
堆叠神经形态器件计算系统

[发明专利]使用误差反向传播执行监督学习的神经形态系统-CN201911155913.X有效
发明人：孙贤佑;沈载润 -专利权人：爱思开海力士有限公司;浦项工科大学校产学协力团
申请日： 2019-11-22 - 公布日： 2023-06-30 - 主分类号： G06N3/063 文献下载
摘要：本发明涉及一种神经形态系统。该神经形态系统包括：第一神经形态层，利用输入信号和第一权重执行正向运算；第一运算电路，对第一神经形态层的正向运算结果执行第一运算；第二神经形态层，利用第一运算电路的输出信号和第二权重执行正向运算；第二运算电路，对第二神经形态层的正向运算结果执行第二运算；第一权重调整量计算电路，计算第一权重调整量以及第二权重调整量计算电路，计算第二权重调整量。
使用误差反向传播执行监督学习神经形态系统

[发明专利]一种基于RISC-V和神经形态计算的异构架构处理系统-CN202210183911.7在审
发明人：刘洋;刘杨虎;胡绍刚;周桐;易仕豪 -专利权人：电子科技大学
申请日： 2022-02-25 - 公布日： 2022-05-27 - 主分类号： G06N3/063 文献下载
摘要：本发明属于集成电路技术与神经网络技术领域，具体涉及一种基于RISC‑V和神经形态计算的异构架构处理系统，该系统包括RISC‑V处理器、基于神经形态计算的单元阵列和调度组件。调度组件接收RISCV处理器发送的自定义拓展指令，进而配置、调度、调试神经形态计算单元阵列，从而组合构建出多种不同结构和深度的脉冲神经网络，完成神经形态计算加速，充分利用神经形态计算的功耗优势和RISCV
一种基于 risc 神经形态计算构架处理系统

[发明专利]用于人工神经网络的具有可配置神经形态神经元的集成电路-CN202180073488.9在审
发明人： A·潘塔兹;M·斯坦尼萨维奇;S·A·沃兹尼亚克;T·邦斯廷尔;E·S·埃勒夫塞里奥 -专利权人：国际商业机器公司
申请日： 2021-10-19 - 公布日： 2023-08-01 - 主分类号： G06N3/063 文献下载
摘要：本公开涉及一种包括第一神经形态神经元装置的集成电路。第一神经形态神经元装置包括输入和具有用于基于包括时间序列的输入数据来执行推断任务的状态变量的累积块。第一神经形态神经元装置可以可切换到第一模式和第二模式。累积块可以被配置为使用第一神经形态神经元装置的当前输入信号和指示该装置的衰减行为的衰减函数来执行对状态变量的调整。状态变量可以取决于第一神经形态神经元装置的先前接收的一个或多个输入信号。
用于人工神经网络具有配置神经形态神经元集成电路

[发明专利]高密度神经形态计算元件-CN201711375603.X有效
发明人：博尔纳·J·奥布拉多维奇;帝泰什·拉克西特;马克·S·罗德尔 -专利权人：三星电子株式会社
申请日： 2017-12-19 - 公布日： 2023-04-18 - 主分类号： H10B41/20 文献下载
摘要：提供一种高密度神经形态计算元件。提供一种用于输入信号的线性组合的模拟计算的用于例如在人工神经元中使用的神经形态装置。神经形态装置提供权重的非易失性编程以及快速评价和编程，并适于作为多个神经形态装置的部分以高密度制造。神经形态装置被实现为具有公共控制栅极接触件(contact)和独立接触的源极‑漏极(SD)区域的闪存类单元的垂直堆叠。单元的垂直堆叠使布局资源能够有效使用。
高密度神经形态计算元件

[发明专利]一种基于参数量化共享的神经形态处理器-CN201810501446.0有效
发明人：胡绍刚;张成明;乔冠超;刘夏恺;雷谕霖;刘洋;于奇 -专利权人：电子科技大学
申请日： 2018-05-23 - 公布日： 2021-12-17 - 主分类号： G06N3/063 文献下载
摘要：本发明涉及神经形态硬件技术领域，尤其涉及一种参数量化共享的神经形态处理器。本发明的处理器在现有的神经形态处理器架构中引入了参数量化共享结构，具体为通过量化参数控制模块，用于在神经形态处理器初始化阶段从神经形态处理器外部(外部存储、外部上位机等)读取所述量化参数并写入量化参数存储模块，而在神经形态处理器运行阶段直接从神经形态处理器外部(外部存储、外部上位机等)读取当前突触类型，并根据所读取的突触类型从量化参数存储模块读取该突触类型对应的量化参数以配置所述神经元计算模块。
一种基于参数量化共享神经形态处理器

[发明专利]一种用于多尺度的神经形态检测和分割方法-CN201811397268.8在审
发明人：廖祥;管江衡;谌小维 -专利权人：廖祥
申请日： 2018-11-22 - 公布日： 2019-03-15 - 主分类号： G06T7/13 文献下载
摘要：本发明公开了一种用于多尺度的神经形态检测和分割方法，通过载入双光子原始图像数据，使用基于卷积神经网络的算法对原始图像数据进行基于形态的探测和分割，并进行模型的自动优化，获得细胞或树突棘的边界曲线。可用于多种尺度：细胞水平、树突棘水平的神经形态检测和分割，还可对多种成像中神经形态如区分神经元、胶质细胞、以及血管，及区分不同的树突棘形态：瘦的、短粗的，蘑菇形态，进行检测和分类，获得细胞或树突棘的边界曲线
神经形态树突原始图像数据分割检测边界曲线多尺度神经元卷积神经网络细胞胶质细胞细胞水平自动优化双光子可用算法成像蘑菇探测尺度载入血管分类

[发明专利]一种基于分段复用和参数量化共享的神经形态处理器-CN201910078948.1有效
发明人：胡绍刚;刘夏恺;张成明;乔冠超;刘洋;于奇 -专利权人：电子科技大学
申请日： 2019-01-28 - 公布日： 2022-12-16 - 主分类号： G06N3/063 文献下载
摘要：一种基于分段复用和参数量化共享的神经形态处理器，属于神经形态硬件技术领域。量化参数控制模块用于在神经形态处理器运行阶段直接从外部读取当前突触类型，并根据所读取的突触类型从配置神经元计算单元；同步复位模块用于全局复位神经形态处理器；神经元运算核心模块用于执行神经形态计算、暂存输入数据和路由运算结果，神经元运算核心模块的输入脉冲数据和突触类型分段进行输入，将每一段计算完成后再输出到下一级神经元运算核心模块，并采用分时复用的方法对每一个神经元运算核心模块进行多次复用。本发明大幅度减少了需要直接存储在神经形态处理器上的数据和处理器面积，极大地提高了处理器计算效率，降低了计算功耗。
一种基于分段参数量化共享神经形态处理器

[发明专利]一种实现兼具突触和神经元功能的神经形态器件的方法-CN202111385646.2在审
发明人：黄如;罗金;黄芊芊 -专利权人：北京大学
申请日： 2021-11-22 - 公布日： 2022-01-21 - 主分类号： G06N3/06 文献下载
摘要：本发明提出了一种实现兼具突触和神经元功能的神经形态器件的方法，属于神经形态计算中神经形态器件技术领域。本发明将金属层‑铁电层‑金属层的底电极与N型MOSFET栅端串接构成铁电神经形态器件，调节铁电层面积大于NMOS栅面积，增大退极化场以获得极化背翻转短时弛豫特性，和宽的矫顽场分布的铁电畴以保证器件的长时间弛豫特性，从而实现神经形态器件兼具突触和神经元功能。采用本发明可以显著降低硬件开销，且具有CMOS工艺兼容性，有利于大规模的高度互联的脉冲神经网络的硬件实现。
一种实现兼具突触神经元功能神经形态器件方法

[发明专利]一种人工神经网络和脉冲神经网络的混合系统-CN201510419325.8有效
发明人：裴京;施路平;王栋;邓磊 -专利权人：清华大学
申请日： 2015-07-16 - 公布日： 2017-09-29 - 主分类号： G06N3/02 文献下载
摘要：本发明提供一种人工神经网络和脉冲神经网络的混合系统，包括多个神经形态网络核以及与该多个神经形态网络核一一对应的多个路由节点。所述多个神经形态网络核用于执行神经网络计算，所述多个神经形态网络核通过本地路由节点实现数据输入与输出。所述多个路由节点组成路由网络，承担整个系统的数据输入与输出。本发明提供的人工神经网络和脉冲神经网络的混合系统结合了人工神经网络和脉冲神经网络两种神经网络的计算模式，能进行实时快速、多模态或复杂时空信号计算并能保证计算的精确度。
一种人工神经网络脉冲混合系统

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条