“神经网络硬件”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1049607个，建议您升级VIP下载更多相关专利

[发明专利]神经网络推理架构的创建方法、神经网络推理方法及装置-CN202111148550.4在审
发明人：甘东融 -专利权人：广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
申请日： 2021-09-28 - 公布日： 2023-04-04 - 主分类号： G06N3/082 文献下载
摘要：本申请实施例公开了一种神经网络推理架构的创建方法、神经网络推理方法及装置，属于计算机技术领域。方法包括：通过SDK的配置接口，接收第二电子设备发送的神经网络推理架构的创建数据，创建数据包括：目标网络模型和对应的配置参数，配置参数包括：目标推理引擎标识和目标推理硬件标识，目标网络模型是原始网络模型根据目标推理引擎标识转换得到的；通过SDK的创建接口，根据创建数据，创建神经网络推理架构，神经网络推理架构包括：目标推理引擎标识对应的目标推理引擎，目标推理硬件标识对应的目标推理硬件，搭载在目标推理引擎上的目标网络模型。本申请可以解决神经网络推理架构部署复杂的问题，达到了提高神经网络推理架构部署效率。
神经网络推理架构创建方法装置

[发明专利]一种基于人工神经网络的硬件资源分配方法及系统-CN201910449695.4有效
发明人：王晶;王旭;张伟功;傅昕 -专利权人：首都师范大学
申请日： 2019-05-28 - 公布日： 2021-07-13 - 主分类号： G06F9/50 文献下载
摘要：本发明公开一种基于人工神经网络的硬件资源分配方法及系统。所述分配方法具体包括：建立人工神经网络，所述人工神经网络包括多层感知器、卷积神经网络、循环神经网络；根据用户的需求选择神经网络中的近似元素；根据所述近似元素确定近似神经网络；采集所述用户和所述近似神经网络的性能目标值；根据所述近似神经网络和所述性能目标值分配硬件资源。采用人工神经网络和近似算法相结合的计算方法，在保证输出质量满足需求的条件下，提高了能源的利用率的同时，提高了系统运行的稳定性。
一种基于人工神经网络硬件资源分配方法系统

[发明专利]神经网络生成及图像处理方法和装置、平台、电子设备-CN201910068770.2有效
发明人：俞海宝;温拓朴;程光亮;石建萍 -专利权人：北京市商汤科技开发有限公司
申请日： 2019-01-24 - 公布日： 2021-03-23 - 主分类号： G06N3/04 文献下载
摘要：本公开实施例公开了一种神经网络生成及图像处理方法和装置、平台、电子设备，其中，神经网络生成方法包括：获取神经网络预期部署的硬件平台的定点运算资源信息；将神经网络包括的至少一个网络单元的网络参数的值的分布调整为均匀型分布；基于样本图像数据对参数调整后的神经网络进行训练；根据定点运算资源信息对训练后的神经网络中的网络参数的值进行定点化调整，调整为均匀型分布的网络参数的值更适合进行定点化调整，减少了从浮点数转换到定点数的精度损失，提高了定点化调整后的神经网络的精度；并且基于硬件平台的定点运算资源信息进行定点化调整，使调整后的神经网络可以在硬件资源有限的平台上运行。
神经网络生成图像处理方法装置平台电子设备

[发明专利]基于SIMD技术的卷积神经网络加速装置及方法-CN202011015325.9在审
发明人：杨林;蒋文婷;王浩枫;刘洪宇;李易聪 -专利权人：北京计算机技术及应用研究所
申请日： 2020-09-24 - 公布日： 2021-02-26 - 主分类号： G06N3/063 文献下载
摘要：本发明涉及一种基于SIMD技术的卷积神经网络加速装置及方法，属于嵌入式卷积神经网络加速硬件技术领域。本发明针对当前神经网络应用中的突出矛盾，提出一种基于SIMD技术的神经网络推理加速装置。本发明首先设计一个运算流程，以满足神经网络算法中的全部算子功能，然后面向该计算流程，进行硬件功能单元设计，以软件定义硬件的方式实现系统设计，同时提供较高的性能功耗比和综合运算能力。
基于 simd 技术卷积神经网络加速装置方法

[发明专利]基于现场可编程门阵列的卷积神经网络硬件及其加速方法-CN201810187619.6有效
发明人：李冰;步小康;刘勇;张林;董乾;沈克强;王刚;赵霞 -专利权人：东南大学
申请日： 2018-03-07 - 公布日： 2022-02-11 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于现场可编程门阵列的卷积神经网络硬件及其加速方法，现场可编程门阵列平台包括软件部分以及硬件部分。其中软件部分负责Off‑Chip memory的读写以及bit stream的加载控制，硬件部分负责卷积神经网络的加速处理，包括以下步骤：根据卷积神经网络的各层配置数据的不同，由软件部分控制加载不同的配置数据对现场可编程门阵列进行实时重构；根据卷积神经网络计算中的内存的读写需求，搭建软硬件协作系统；根据卷积神经网络的特点，对数据进行并行分批次处理，加速计算进行。该发明能够在现场可编程门阵列的硬件资源基础上搭建出符合卷积神经网络结构特点的硬件处理单元，相比于通用处理器具有低功耗、高性能的特点。
基于现场可编程门阵列卷积神经网络硬件及其加速方法

[发明专利]迁移学习的硬件加速器扩展—将训练扩展/完成到边缘-CN201980088723.2在审
发明人： H.克劳森;M.塞尔;E.索洛乔;C.温;J.L.阿帕里希奥奥杰亚 -专利权人：西门子股份公司
申请日： 2019-01-14 - 公布日： 2021-08-17 - 主分类号： G06N3/063 文献下载
摘要：一种用于在边缘设备的硬件加速器上训练神经网络的计算机实现的方法，包括将训练好的神经网络划分为领域独立部分和领域依赖部分。神经网络的领域独立部分被部署到边缘设备的硬件加速器的专用神经网络处理单元上，并且神经网络的领域依赖部分被部署到边缘设备的硬件加速器的一个或多个附加处理器上。使用在边缘设备处收集的数据来重新训练硬件加速器的附加处理器上的领域依赖部分。
迁移学习硬件加速器扩展训练完成边缘

[发明专利]一种神经网络模型生成方法、装置及电子设备-CN202310716795.5在审
发明人：刘嘉炜;卓正兴;杨青 -专利权人：度小满科技(北京)有限公司
申请日： 2023-06-16 - 公布日： 2023-09-19 - 主分类号： G06N3/0499 文献下载
摘要：本申请实施例提供了一种神经网络模型生成方法、装置及电子设备，其中，该神经网络模型生成方法包括：基于原始神经网络模型的各项结构参数、权重，确定不同的第一目标子网络模型，根据目标硬件设备的部署要求，再结合各个第一目标子网络模型的性能参数，自适应地生成满足目标硬件设备的部署条件的第二目标子网络模型。如此，可使用规模小且精度高的第二目标子网络模型替代原始神经网络模型部署至目标硬件设备中，该第二目标子网络模型所需的硬件资源较少，能够扩展原始神经网络模型的应用范围的同时，该第二目标子网络模型是适配目标硬件设备的所有子网络模型集合中，精度最高的一个，实现了针对目标硬件设备的最优化模型部署。
一种神经网络模型生成方法装置电子设备

[发明专利]用于在硬件中运行动态循环神经网络的方法和系统-CN202110753352.4在审
发明人： M·阿萨德;E·康多雷利;J·英伯;D·卡加泰 -专利权人：想象技术有限公司
申请日： 2021-07-02 - 公布日： 2022-01-04 - 主分类号： G06N3/063 文献下载
摘要：用于在硬件中运行动态循环神经网络的方法和系统。循环神经网络的每个步骤用于对序列的不同输入进行运算，方法包括：接收RNN的表示；将RNN的表示变换为用于在输入序列的预先确定的多个输入上进行运算的导数神经网络，导数神经网络具有一个或多个状态输入和一个或多个状态输出，并且在RNN的预先确定的多个步骤上等同于RNN；以及通过以下方式将导数神经网络迭代地应用于输入序列：在硬件中实施导数神经网络的实例序列；以及将来自硬件处的导数神经网络的每一个实例的一个或多个状态输出作为一个或多个状态输入提供给硬件处的导数神经网络的后续实例
用于硬件运行动态循环神经网络方法系统

[发明专利]一种片上学习神经网络处理器-CN201710691146.9有效
发明人：刘洋;伍元聪;王俊杰;詹稀童;钱堃;于奇 -专利权人：电子科技大学
申请日： 2017-08-14 - 公布日： 2020-11-10 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种片上学习神经网络处理器包括数据接口模块、数据预处理模块、数据缓存区模块、神经元权值缓存区模块、随机初始化模块、神经运算单元模块、神经网络前向运算控制模块、激活函数模块、神经状态控制器模块、神经网络学习算法控制模块；神经状态控制器模块控制各单元模块协同工作进行神经网络学习与推理。本发明中的神经运算单元模块采用通用硬件加速运算设计，可编程控制神经网络运算类型及运算规模。设计中加入流水线技术，极大提高数据吞吐率与运算速度，并且重点优化神经运算单元的乘加单元，极大减小硬件面积。本发明对神经网络学习算法进行硬件映射，使得该神经网络处理器即能进行片上学习又能进行离线推理。
一种学习神经网络处理器

[发明专利]LS－SVM分类与回归学习递归神经网络硬件电路及实现方法-CN200810018129.X无效
发明人：刘涵 -专利权人：西安理工大学
申请日： 2008-05-05 - 公布日： 2008-11-19 - 主分类号： G06N1/00 文献下载
摘要：本发明公开了一种LS－SVM分类与回归学习递归神经网络硬件电路及其实现方法，该方法将LS－SVM与递归神经网络相结合，推导出描述神经网络的动态方程及其拓扑结构，并进一步建立了实现上述递归神经网络的硬件电路，从而用硬件电路对最小二乘支持向量机算法进行实现。本发明所述的LS－SVM分类与回归学习递归神经网络与以往出现的网络相比，消除了网络中的非线性部分，神经网络结构更加简洁，大幅度的提高支持向量机的训练速度；同时本发明提出的LS－SVM学习神经网络可以在几乎不改变拓扑结构的基础上实现分类和回归两种问题
ls svm 分类回归学习递归神经网络硬件电路实现方法

[发明专利]神经网络模型的配置确定方法、装置、设备及存储介质-CN202110614422.8在审
发明人：屠震元;王沁语;俞忠伟 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2021-06-02 - 公布日： 2022-12-06 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例提供了神经网络模型的配置确定方法、装置、设备及存储介质，根据目标网络层的维度信息以及目标硬件的硬件指令查询预设模型代价评估表中的先验信息及普适性的通用信息，能够得到令各目标网络层时钟周期数最短的预设配置，即目标神经网络模型运行时钟周期数最小时各目标网络层的配置，从而得到目标神经网络模型在目标硬件中的最优配置，后续可以利用最优配置实现神经网络模型在目标硬件中的快速落地。
神经网络模型配置确定方法装置设备存储介质

[发明专利]硬件中转置神经网络矩阵-CN201810196453.4有效
发明人：雷吉纳尔德·克利福德·扬;杰弗里·伊尔温 -专利权人：谷歌有限责任公司
申请日： 2018-03-09 - 公布日： 2022-07-26 - 主分类号： G06N3/06 文献下载
摘要：本公开涉及在硬件中转置神经网络矩阵的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。在一个方面，一种方法包括以下动作：在具有矩阵计算单元的硬件电路上接收对神经网络执行计算的请求，请求指定要在第一神经网络矩阵上执行的转置操作；以及生成当由硬件电路执行时硬件电路通过执行第一操作转置第一神经网络矩阵的指令，其中第一操作包括重复执行以下第二操作：对于将第一神经网络矩阵划分为一个或多个当前子矩阵的第一神经网络矩阵的当前细分，通过交换每个当前子矩阵的右上象限和左下象限来更新第一神经网络矩阵；以及将每个当前子矩阵细分为相应的新子矩阵来更新当前的细分
硬件中转神经网络矩阵

[发明专利]神经结构搜索模型的训练方法、装置及电子设备-CN202211447618.3在审
发明人：张恒 -专利权人：上海玄戒技术有限公司
申请日： 2022-11-18 - 公布日： 2023-06-27 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了神经结构搜索模型的训练方法及装置、电子设备和存储介质，主要技术方案包括：将不同参数组合的神经网络元结构输入神经结构搜索模型，编译器模型包含多种编译器的硬件配置；获取神经网络元结构加载至编译器模型，确定不同的编译器硬件配置推理不同参数组合的神经网络元结构的推理时间，并获得神经网络元结构与推理时间的关联数据；根据神经网络元结构与推理时间的关联数据对神经结构搜索模型进行训练，以得到目标神经结构搜索模型本申请在神经结构搜索模型中引入编译器模型，确定编译器模型中不同硬件配置编译器推理神经网络元结构的推理时间，更准确的获得神经网络元结构和推理速度(推理时间)之间的关系。
神经结构搜索模型训练方法装置电子设备

[发明专利]一种硬件代码生成和性能评估方法-CN202011557924.3有效
发明人：刘飞阳;郭鹏;文鹏程;白林亭;李奕璇;李亚晖 -专利权人：中国航空工业集团公司西安航空计算技术研究所
申请日： 2020-12-24 - 公布日： 2023-04-14 - 主分类号： G06F8/30 文献下载
摘要：本申请提供一种硬件代码生成和性能评估方法，方法包括：对深度神经网络算法模型的结构、数据类型、运算类型和处理流程进行分析，生成深度神经网络算法模型解析报告；根据深度神经网络算法模型解析报告，在智能计算单元IP库中选择对应运算类型的智能计算单元IP，进行实例化并选择最优的互连网络结构；将深度神经网络算法模型解析报告中所有运算，一一对应映射到智能计算单元IP的实例上；生成硬件配置方案；根据硬件配置方案，生成深度神经网络算法的可综合硬件代码，并通过硬件综合软件生成可加载到嵌入式智能计算模块的二进制文件；以深度神经网络算法模型为测试基准，进行功能仿真和性能分析，获得性能分析报告和时序图。
一种硬件代码生成性能评估方法

[发明专利]ARGMAX或ARGMIN在硬件中的实施-CN202210733526.5在审
发明人： A·阿马迪;M·阿萨德;C·迪基奇;E·康多雷利 -专利权人：想象技术有限公司
申请日： 2022-06-27 - 公布日： 2023-01-13 - 主分类号： G06N3/063 文献下载
摘要：ARGMAX或ARGMIN在硬件中的实施。一种用于在包括固定功能电路系统的硬件加速器上根据神经网络过程处理数据的机制，所述神经网络过程包括具有相关联的argmax或argmin函数的神经网络。将所述argmax或argmin函数映射到可用于所述固定功能电路系统的基本神经网络运算的集合。然后使用所述固定功能电路系统执行所述神经网络过程。使用所述神经网络过程处理的数据包括图像和/或音频数据。
argmax argmin 硬件中的实施