“何煜坤”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15个，建议您升级VIP下载更多相关专利

[发明专利]一种面向脉冲中继的高性能脉冲发送仿真方法和装置-CN202310308211.0有效
发明人：章明;孙世春;金孝飞;何煜坤;马德;潘纲 -专利权人：之江实验室;浙江大学
申请日： 2023-03-28 - 公布日： 2023-07-21 - 主分类号： G06N3/10 文献下载
摘要：本发明公开了一种面向脉冲中继的高性能脉冲发送仿真方法和装置，该方法包括配置阶段和运行阶段；配置阶段为利用脉冲目标搜索算法预先为每个神经元计算其对应的各个脉冲目标，即应该接收该神经元所发放脉冲的下游树突或神经元，从而建立每个神经元与其对应的各个脉冲目标的直接联系；运行阶段为利用配置阶段计算好的各个神经元与其对应脉冲目标的直接联系，将每个神经元所发放的各个脉冲直接发送到对应的各个脉冲目标；从而消除运行阶段对中继路径的重复计算，能够减少脉冲发送仿真的计算成本并缩短类脑硬件仿真时间。
一种面向脉冲中继性能发送仿真方法装置

[发明专利]一种面向众核架构的神经网络增量编译方法和装置-CN202310191337.4有效
发明人： 何煜坤;李莹;马德;章明;孙世春;金孝飞;邓水光;潘纲 -专利权人：之江实验室;浙江大学
申请日： 2023-03-02 - 公布日： 2023-07-04 - 主分类号： G06F8/41 文献下载
摘要：本发明公开一种面向众核架构的神经网络增量编译方法和装置，该方法包括：步骤一，获得前次编译结果，并复原为编译器对应的中间表示结构；步骤二，分别对前次编译的模型和当前编译的模型，进行逐层匹配，识别前次编译的模型和当前编译的模型之间产生的变化；步骤三，对产生变化的模型网络层完成增量分析得到增量数据，对与产生变化的网络层相连的层，递归地完成依赖性分析来确认重新编译最小集合；步骤四，对复原的中间表示结构进行解析，定位中间表示结构中涉及增量修改的节点，再进行增量填充和重编译；步骤五，对经过增量填充和重编译的中间表示结构进行部分序列化，生成编译结果文件。本发明能够减少重复编译优化的耗时，提高编译效率。
一种面向架构神经网络增量编译方法装置

[发明专利]一种神经拟态芯片多任务调度的片上网络碎片整理方法-CN202310182862.X在审
发明人：李莹;周博文;何煜坤;邓水光;潘纲 -专利权人：浙江大学
申请日： 2023-03-01 - 公布日： 2023-05-12 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种神经拟态芯片多任务调度的片上网络碎片整理方法，包括：获取多个脉冲神经网络任务的相关结构和配置，将脉冲神经网络映射到片上网络的多个核心中去，并在旧任务结束和新任务创建时重新安排核心映射；以通信代价和核心占用率为映射收益，并以启发式的带回溯的随机爬坡算法逐步寻找更佳的映射位置，并评估实际应用该映射节约的时间是否足够弥补在片上网络设置该映射需要的时间，以最后确认是否使用映射。本发明的方法有效提高了片上网络核心的利用率，进而提高了芯片计算效率和任务平均功耗。
一种神经拟态芯片任务调度网络碎片整理方法

[发明专利]一种基于禁忌搜索算法的神经网络片上映射方法和装置-CN202211098597.9有效
发明人： 何煜坤;马德;李莹;孙世春;章明;金孝飞;陆启明;朱国权;凡军海;杨方超;吕攀;邓水光;潘纲 -专利权人：之江实验室;浙江大学
申请日： 2022-09-09 - 公布日： 2023-01-03 - 主分类号： G06F15/173 文献下载
摘要：本发明涉及计算机高性能计算领域，尤其涉及一种基于禁忌搜索算法的神经网络片上映射方法和装置，该方法构造禁忌搜索表并使用基于启发式的迭代搜索过程，选取局部的片上网络的计算核心作为候选对象，建立整数规划模型并求解最优解，循环迭代不断降低映射解的目标代价函数，最后获得近似最优的部署方案；本发明方法给出的基于最近邻的构造策略和禁忌搜索算法的搜索策略，降低了神经网络模型映射后的目标机器的整体功耗和通信距离总和，极大提高了数据在片上网络的传输效率及整体计算速度。
一种基于禁忌搜索算法神经网络映射方法装置

[发明专利]基于JPEG-LS的高吞吐率无损图像压缩方法-CN202210930753.7有效
发明人：杨方超;马德;朱国权;凡军海;金孝飞;孙世春;何煜坤;章明 -专利权人：之江实验室;浙江大学
申请日： 2022-08-04 - 公布日： 2022-12-13 - 主分类号： H04N19/103 文献下载
摘要：本发明公开一种基于JPEG‑LS的高吞吐率无损图像压缩方法，包括：步骤一，访问图像存储器并读取图像，构建读取图像的待编码像素的因果模板；步骤二，计算待编码像素的邻近图像像素间的局部梯度值，若局部梯度值的绝对值小于等于近无损度，则对待编码像素进行游程编码，否则对局部梯度值进行量化、符号校正和合并后进行常规编码；步骤三，经步骤二的编码后输出编码码流，完成对读取图像的压缩编码，若未完成所述读取图像的压缩编码，则返回步骤一重新进行压缩编码。本发明可降低硬件实现复杂度，有效提高该图像压缩算法的时钟频率以及吞吐率。
基于 jpeg ls 吞吐无损图像压缩方法

[发明专利]一种可分离的图像处理神经网络加速器及加速方法-CN202210649542.6有效
发明人：朱国权;陆启明;凡军海;杨方超;金孝飞;孙世春;章明;何煜坤;马德;胡有能 -专利权人：之江实验室;浙江大学
申请日： 2022-06-10 - 公布日： 2022-10-04 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种可分离的图像处理神经网络加速器及加速方法，通过低速接口模块，载入加速器指令到指令存储模块，控制模块从指令存储模块获取指令，经指令译码模块，得到控制信号，对各模块进行调度及各模块与存储复用接口模块的协作；高速接口模块根据指令，分别载入输入特征图、权重、量化因子、偏置参数和批归一化参数到对应的存储模块；根据神经网络的结构进行卷积计算、算术逻辑处理、池化操作和上采样操作；重复各模块的计算，直至神经网络的所有层计算结束；根据跳转指令，跳转到第一条指令继续处理下一张输入特征图。通过高低速接口相搭配的工作方式，实现方式简单，精度可靠，各模块相对独立，可扩展性强。
一种可分离图像处理神经网络加速器加速方法

[发明专利]基于强化学习的神经网络的片上核心编译映射方法及装置-CN202210407390.9有效
发明人： 何煜坤;李莹;吕攀;章明;孙世春;邓水光;潘纲;马德;齐勃;金孝飞 -专利权人：之江实验室;浙江大学
申请日： 2022-04-19 - 公布日： 2022-09-16 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了基于强化学习的神经网络的片上核心编译映射方法及装置，通过将传统映射规划问题放入强化学习框架，构造状态描述、奖励函数和行动空间，通过强化学习训练获得的策略深度网络，依次将神经元放置在片上网络的多个核心内。以通信代价、映射面积和核心内部使用率构造映射收益，并利用Actor‑Critic算法训练策略网络以获得更高的映射收益，训练强化学习策略网络学习任意脉冲神经网络神经元的最佳映射位置，最后利用训练完成的策略网络完成所需部署的神经网络到片上核心阵列的，降低了互连神经元片上通信距离代价，有效提高了芯片计算效率并降低整体功耗。
基于强化学习神经网络核心编译映射方法装置

[发明专利]基于可编程神经拟态核的突触延时实现系统及方法-CN202210511894.5有效
发明人：孙世春;金孝飞;陆启明;章明;何煜坤;朱国权;凡军海;杨方超;潘鑫;马德;潘纲 -专利权人：之江实验室;浙江大学
申请日： 2022-05-12 - 公布日： 2022-08-30 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了基于可编程神经拟态核的突触延时实现系统及方法，包括可编程神经拟态核与拟态核级联扩展模块，可编程神经拟态核包括相互连接的时间信息空间化模块和多阈值脉冲发放模块，时间信息空间化模块分别与映射在网格的源神经元连接，多阈值脉冲发放模块与映射在网格的目标神经元连接；可编程神经拟态核将收到的源神经元不同时间步发放的脉冲转化到膜电位等内部状态上，根据多种发放阈值，采用多阈值脉冲发放方法，脉冲经过多种延时后发给目标神经元，拟态核可以级联，实现多个突触延时的累加。本发明可以同时实现多种突触延时，并且突触延时可扩展为任意延时要求。
基于可编程神经拟态突触延时实现系统方法

[发明专利]一种异步电路的同步装置和方法-CN202210090997.9有效
发明人：金孝飞;孙世春;陆启明;章明;何煜坤;朱国权;凡军海;杨方超;潘鑫;马德;潘纲 -专利权人：之江实验室;浙江大学
申请日： 2022-01-26 - 公布日： 2022-06-10 - 主分类号： G06F30/327 文献下载
摘要：本发明涉及异步电路之间的信号同步技术领域，具体涉及一种异步电路的同步装置和方法，装置包括发送模块、异步传输模块、接收模块、发送端时钟、接收端时钟，所述发送模块由发送端时钟驱动，产生、更新发送请求和数据，并通过寄存器打拍的方式同步发送响应信号；异步传输模块将来自发送模块的请求和数据异步传输至接收模块，同时产生发送响应信号；接收模块受接收端时钟驱动，通过寄存器打拍的方式同步接收请求信号，并在同步后的请求信号发生边沿跳变时采集有效数据，同时产生接收响应信号。本发明在避免跨时钟域数据传递亚稳态影响的前提下提高了数据传输效率，为人工智能芯片的大规模集成提供了良好的解决方案。
一种异步电路同步装置方法

[发明专利]一种基于脉动阵列的神经网络加速器卷积计算装置与方法-CN202111456203.8有效
发明人：杨方超;胡有能;朱国权;凡军海;陆启明;金孝飞;孙世春;章明;何煜坤;潘鑫;马德 -专利权人：之江实验室;浙江大学
申请日： 2021-12-02 - 公布日： 2022-04-15 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于脉动阵列的神经网络加速器卷积计算装置与方法，该装置的结构由64×64个同构的PE单元构成，组成脉动阵列的形式，包括多个权重输入通道，数据输入通道以及相应的数据（权重）选通有效信号。脉动阵列首行使能开始后，使能信号开始有效，所有数据计算完毕后，使能信号关闭。脉动阵列中权重数据由上往下传递，每个PE单元的计算结果和权重有效信号经过一级寄存器后输入到同一列的下一个PE单元中参与计算。脉动阵列中特征图数据和数据有效信号从左往右传递，经过一级寄存器后输入到一行的下一个PE单元中参与计算。
一种基于脉动阵列神经网络加速器卷积计算装置方法

[发明专利]一种基于脉动阵列的神经网络加速器特征图分割方法-CN202111456202.3有效
发明人：朱国权;杨方超;凡军海;陆启明;金孝飞;孙世春;章明;何煜坤;潘鑫;马德;胡有能 -专利权人：之江实验室;浙江大学
申请日： 2021-12-02 - 公布日： 2022-03-25 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于脉动阵列的神经网络加速器特征图分割方法，包括：获取输入特征图、卷积核矩阵、卷积步长；根据滤波器维度和卷积步长，计算图像拆分步长；根据图像的拆分步长，计算当前子图像所在的行和列起始位置以及下一个子图像所在的行和列起始位置；若下一次拆分子图像行列数小于初始拆分子图像行列数，说明下一张拆分子图像已到最后侧，此时计算两者之差，得到行列数；若下一张拆分子图像行列数小于滤波器的行列数，则已不满足一次卷积计算，将其舍弃；将拆分特征图得到的子图像数据输入到脉动阵列中进行卷积运算。从而提高了数据利用率，同时减小卷积计算时间，提升效率。
一种基于脉动阵列神经网络加速器特征分割方法

[发明专利]一种神经网络加速器模型量化方法-CN202111456207.6在审
发明人：凡军海;朱国权;杨方超;陆启明;金孝飞;孙世春;章明;何煜坤;马德;胡有能 -专利权人：之江实验室;浙江大学
申请日： 2021-12-02 - 公布日： 2022-03-04 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种神经网络加速器模型量化方法，包括如下步骤：步骤一、训练一个Float32型CNN模型；步骤二、量化模型权重值；步骤三、通过在校准数据集上进行模型推理计算，统计不同网络层输出值大小范围；步骤四、计算量化因子，基于得到的量化权重值与量化因子，根据不同网络层的量化推理计算方式，进行INT8量化推理计算。整个推理过程为INT8型计算，能够大幅提升模型在神经网络加速器上的推理速度，且使用YOLOv3模型测试量化后INT8模型较原Float32模型精度损失非常小。
一种神经网络加速器模型量化方法

[发明专利]面向片上神经网络的基于动态中继的无限路由方法和架构-CN202210090696.6在审
发明人：孙世春;金孝飞;陆启明;章明;何煜坤;朱国权;凡军海;杨方超;潘鑫;马德;潘纲 -专利权人：之江实验室;浙江大学
申请日： 2022-01-26 - 公布日： 2022-03-01 - 主分类号： G06F15/173 文献下载
摘要：本发明属于类脑计算芯片的路由实现技术领域，涉及一种面向片上神经网络的基于动态中继的无限路由方法和架构，该方法通过运用单级中继结构方式、多级中继结构方式、多路中继结构方式以及动态中继结构方式或上述方式的组合，打通源和目标节点之间的路径，实现路由之间长距离乃至无限距离通信。本发明通过动态中继的方式大大提高了片上神经网络中资源的利用率，并能够支持巨大神经网络拓扑结构下的神经元之间的可达性，解决了巨大神经网络拓扑结构下神经元之间路径长而导致数据传输有限的问题。
面向神经网络基于动态中继无限路由方法架构

[发明专利]一种神经网络加速器模型转换方法及装置-CN202111105826.0在审
发明人：凡军海;朱国权;杨方超;陆启明;金孝飞;孙世春;章明;何煜坤;马德;胡有能 -专利权人：之江实验室;浙江大学
申请日： 2021-09-22 - 公布日： 2022-01-18 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种神经网络加速器模型转换方法及装置，方法包括：获取待转换的神经网络模型，对模型网络结构文件进行解析，得到模型所有网络层，对网络层进行重构，映射为神经网络加速器支持的算子节点，最后根据网络拓扑结构将转换后的算子节点及模型权重进行序列化，生成目标文件；装置包括：神经网络模型构建模块、重构模块、映射模块和序列化模块；本发明解决了多种格式模型在神经网络加速器设备上部署的多适配困难问题，能够高效的进行模型转换，生成适配神经网络加速器的模型格式。
一种神经网络加速器模型转换方法装置

[发明专利]一种神经网络加速器卷积计算和数据载入并行方法及装置-CN202110707419.0有效
发明人：朱国权;陆启明;凡军海;杨方超;金孝飞;孙世春;章明;何煜坤;马德;胡有能 -专利权人：之江实验室;浙江大学
申请日： 2021-06-25 - 公布日： 2021-11-02 - 主分类号： G06F15/78 文献下载
摘要：本发明公开了一种神经网络加速器卷积计算和数据载入并行方法及装置，该并行方式各需要两块输入特征图和卷积核缓存块，将输入特征图和64个卷积核根据载入长度依次存入各个缓存子块中，一边高效的执行卷积计算，一边实现下一组64卷积核的数据载入。一般的神经网络需要成百上千的卷积核，将其全部存储在片上需要大量的存储空间，这样会使芯片面积较大，相应制造成本增加。本发明在保证卷积高效计算的同时显著降低片上存储空间，其减小了芯片面积，进而降低芯片成本，其实现方式简单，灵活可控，且与具体的神经网络层数无关。
一种神经网络加速器卷积计算数据载入并行方法装置

1
共 15 条