“支天”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42个，建议您升级VIP下载更多相关专利

[发明专利]一种用于执行向量逻辑运算的装置-CN202010608257.0有效
发明人：罗韬;支天;刘少礼;陈天石;陈云霁 -专利权人：中科寒武纪科技股份有限公司
申请日： 2016-04-26 - 公布日： 2023-09-22 - 主分类号： G06F9/30 文献下载
摘要：本发明提供了一种执行向量逻辑运算的装置及方法，用于配合一套指令集，令执行向量逻辑运算，装置包括存储单元和向量逻辑运算单元，存储单元中存储有向量，向量逻辑运算单元根据配套指令获取向量地址，然后，根据该向量地址在存储单元中获取相应的向量，接着，根据获取的向量进行向量逻辑运算，得到运算结果。本发明将参与计算的向量数据暂存在高速暂存存储器上，使得向量逻辑运算过程中可以更加灵活有效地支持不同宽度的数据，提升包含大量向量逻辑运算应用的执行性能。
一种用于执行向量逻辑运算装置

[发明专利]一种神经网络量化压缩方法及系统-CN202011607739.0有效
发明人：何皓源;王秉睿;支天;郭崎 -专利权人：中国科学院计算技术研究所
申请日： 2020-12-30 - 公布日： 2023-06-30 - 主分类号： H04N19/122 文献下载
摘要：本发明提出一种神经网络量化压缩方法，包括：获取经过量化处理后待压缩的神经网络数据，对该神经网络数据进行游程全零编码，得到游程压缩数据，其中该游程全零编码包括仅对该神经网络数据中的零字符进行游程编码；对该游程压缩数据进行规范化哈夫曼编码，并对编码结果进行重整，得到规范哈夫曼编码，作为该神经网络数据的压缩结果。本发明针对量化后神经网络数据具有稀疏性的特点，本发明对游程编码进行了改进提出了游程全零编码，可以更高效的无损压缩神经网络数据；对哈夫曼树自上而下地进行重整，省去存储完整的哈夫曼树结构，显著降低了查表操作的复杂程度。
一种神经网络量化压缩方法系统

[发明专利]基于游程全零编码的神经网络量化压缩方法及系统-CN202011607727.8有效
发明人：何皓源;王秉睿;支天;郭崎 -专利权人：中国科学院计算技术研究所
申请日： 2020-12-30 - 公布日： 2023-06-27 - 主分类号： H04N19/42 文献下载
摘要：本发明提出一种游程全零编码的神经网络量化压缩方法和系统，包括：对神经网络数据中的零数据进行游程编码，得到第一中间数据；将第一中间数据的游程为3的编码片段替换为ZeroLiteral字符，得到第二中间数据；判断第二中间数据中与ZeroLiteral字符相同的字符是否为神经网络数据中的原字符，若是，则将第二中间数据中与ZeroLiteral字符相同的字符替换为ZeroExtra字符，同时在其后增加表示其为原字符的标志位，否则将第二中间数据中与ZeroLiteral字符相同的字符替换为ZeroExtra字符，同时在其后增加表示其为替换字符的标志位。本发明提出了游程全零编码，可以高效的无损压缩神经网络数据且游程全零编码包括二阶字符替换，减少了数据中0出现的数量，为后续哈夫曼编码留出了更多的压缩空间。
基于游程编码神经网络量化压缩方法系统

[发明专利]基于流间数据混洗的神经网络量化压缩方法及系统-CN202011607729.7有效
发明人：何皓源;王秉睿;支天;郭崎 -专利权人：中国科学院计算技术研究所
申请日： 2020-12-30 - 公布日： 2023-06-27 - 主分类号： H04N19/42 文献下载
摘要：本发明提出一种基于流间数据混洗的神经网络量化压缩方法及系统，包括获取经过量化处理后待压缩的神经网络数据，对该神经网络数据进行分块，得到多个数据块；对每一个该数据块分配一个数据流进行压缩，且数据流随机选择输入缓存或根据预设规则选择输入缓存，得到该数据块的压缩结果；集合各数据块的压缩结果，作为该神经网络数据的压缩结果；本发明避免了连续从同一个输入缓存读取数据，增加了单个数据流的输入随机性，进一步平衡各数据流的编码速率，从而提高硬件资源的利用效率。
基于数据神经网络量化压缩方法系统

[发明专利]均衡流间压缩速度的神经网络量化压缩方法及系统-CN202011611154.6有效
发明人：何皓源;王秉睿;支天;郭崎 -专利权人：中国科学院计算技术研究所
申请日： 2020-12-30 - 公布日： 2023-04-11 - 主分类号： H04N19/122 文献下载
摘要：本发明提出一种基于均衡流间压缩速度的神经网络量化压缩方法，包括：步骤1、获取经过量化处理后待压缩的神经网络数据，对神经网络数据进行分块，得到多个数据块；步骤2、对每一个数据块分配一个数据流进行压缩，每条数据流的压缩包括：对数据块进行游程全零编码，得到游程压缩数据，其中游程全零编码仅对神经网络数据中的零字符进行游程编码，对游程压缩数据进行规范化哈夫曼编码，并对编码结果进行重整，得到规范哈夫曼编码，作为数据块的压缩结果；步骤2包括：步骤21、监测各数据流已经压缩编码的数据量，向当前编码速度快的数据流的输出缓存写入虚字符对应的虚编码。均衡流间压缩速度，缩小流水线之间的编码差距，进而避免产生死锁。
均衡压缩速度神经网络量化方法系统

[发明专利]基于真值表的函数自动生成方法及系统-CN202211006130.7在审
发明人：支天;贺文凯;胡杏;张曦珊;张蕊;杜子东;郭崎 -专利权人：中国科学院计算技术研究所
申请日： 2022-08-22 - 公布日： 2022-11-11 - 主分类号： G06N3/063 文献下载
摘要：本发明提出一种基于真值表的函数自动生成方法和系统，包括：基于真值表的问题中逻辑表达式各语法符号的关系与它们的在实际处理的序列中距离大小无关、逻辑表达式的生成语义规则与布尔向量函数示例采样的结果长度无关的科学规律，作为解决基于真值表函数自动化生成问题的科学依据。还设计了一种编码器‑解码器结构的神经网络模型用于解决基于真值表生成函数的问题，该模型用两个自注意力机制编码器分别对输入和输出进行编码，用1个自注意力机制解码器自回归地输出对应的逻辑表达式，在编码器和解码器之间使用注意力机制；为解决基于真值表函数自动化生成问题提供了技术方案，相比同期主流基准模型在指定数据集上取得了更好的效果。
基于真值函数自动生成方法系统

[发明专利]规范化哈夫曼编解码方法及神经网络计算芯片-CN202111639628.2在审
发明人：王秉睿;支天;郭崎 -专利权人：中国科学院计算技术研究所
申请日： 2021-12-29 - 公布日： 2022-05-03 - 主分类号： G06N3/063 文献下载
摘要：本发明提出一种规范化哈夫曼编码方法和神经网络计算芯片，包括：对该神经网络数据进行游程全零编码，得到游程压缩数据，其中该游程全零编码包括仅对该神经网络数据中的零字符进行游程编码；对该游程压缩数据进行哈夫曼编码，并自上而下地将编码结果中每一级节点中的叶子节点编码进行加1左移，以将该编码结果中每一级节点中的叶子节点移到树结构的左侧，生成该编码结果的规范哈夫曼编码，作为该神经网络数据的压缩结果。
规范化哈夫曼编解码方法神经网络计算芯片

[发明专利]一种基于软流水的LSTM循环网络加速方法和系统-CN202111591419.5在审
发明人：杜子东;吴林阳;支天 -专利权人：中国科学院计算技术研究所
申请日： 2021-12-23 - 公布日： 2022-04-29 - 主分类号： G06N3/063 文献下载
摘要：本发明提出了一种基于软流水的LSTM循环网络加速方法和系统，包括：获取具有权重缓存的AI专用芯片和待处理的时间序列，将待运行的LSTM循环网络模型加载至该AI专用芯片，并将LSTM循环网络模型运行中部分时间无关项加载至该权重缓存，另一部分时间无关项存于硬盘；按顺序将该时间序列中当前时刻t的特征向量Xt，以及前一时刻的隐层输出Ht‑1输入至该AI专用芯片，通过读取位于权重缓存的部分时间无关项，运行与该部分时间无关项相关的该LSTM循环网络模型的同时加载硬盘中该另一部分时间无关项至该权重缓存，当与该部分时间无关项相关的该LSTM循环网络模型运行完毕后，再从权重缓存读取该另一部分时间无关项继续执行该LSTM循环网络模型，得到当前时刻t的隐层输出Ht。
一种基于流水 lstm 循环网络加速方法系统

[发明专利]一种基于相对位置编码的语义识别方法和系统-CN202111594797.9在审
发明人：杜子东;庄毅敏;支天 -专利权人：中国科学院计算技术研究所
申请日： 2021-12-24 - 公布日： 2022-04-29 - 主分类号： G06F40/30 文献下载
摘要：本发明提出一种基于相对位置编码的语义识别方法和系统，包括：获取待语义识别结果的文字序列作为训练数据，将该训练数据进行拆分后并行输入多头注意层，多头注意层通过计算拆分后数据在该训练数据中的相对位置，为每一个拆分后数据分配注意力分数，并基于各拆分后数据对应的注意力分数，生成各拆分后数据的相对位置编码；递归神经网络根据各拆分后数据对应的相对位置编码，并行语义识别各拆分后数据，集合各拆分后数据对应的语义识别结果，得到语义识别结果。
一种基于相对位置编码语义识别方法系统

[发明专利]一种用于非精确计算神经网络的电路设计方法-CN201611242077.5有效
发明人：陈天石;任逸轩;郭崎;杜子东;支天;陈云霁 -专利权人：上海寒武纪信息科技有限公司
申请日： 2016-12-29 - 公布日： 2021-08-31 - 主分类号： G06N3/063 文献下载
摘要：本发明提供了一种用于非精确计算神经网络的电路设计方法，包括以下步骤：确定位宽，用以确定非精确乘法器的位宽选择范围；生成电路结构，通过一种以电路中结点重要性排名为驱动的启发式随机算法，对每一种备选位宽，生成多种具体电路，所述多种具体电路就是所有可选的非精确乘法器结构；独立替换，将神经网络中的每个精确乘法器独立地替换为某种结构的非精确乘法器，得到的所有可能方案组成一个解空间；遍历比较，在所述解空间内随机选择一部分方案，遍历每种方案下非精确神经网络的训练和测试效果，得到最优解。本发明在运算结果准确度受到的影响不大的情况下，极大地减少了面积和功耗，提升了运算速度。
一种用于精确计算神经网络电路设计方法

[发明专利]智能路线规划方法及设备-CN201911335857.8有效
发明人：支天;周聖元 -专利权人：中国科学院计算技术研究所
申请日： 2019-12-20 - 公布日： 2021-06-18 - 主分类号： G01C21/00 文献下载
摘要：本公开提供一种智能路线规划方法及设备，其中方法包括：获取起始位置和多个目的位置；将所述起始位置、所述多个目的位置输入到路线规划神经网络模型，通过深度学习处理器处理后确定目标行进路线，所述目标行进路线的终点为所述多个目的位置之一。通过本公开的路线规划方法，能够通过深度学习处理器实现多个目的位置的统一协调，减少用户不必要的路程耽搁，或者为用户提供其它便利。
智能路线规划方法设备

[发明专利]基于人工智能的音频推送方法及系统、相关方法及设备-CN202010492049.9有效
发明人：支天;周聖元 -专利权人：中国科学院计算技术研究所
申请日： 2020-06-02 - 公布日： 2021-04-27 - 主分类号： G06F16/635 文献下载
摘要：本公开提供了一种基于人工智能技术的智能音频文件推送方法、播放方法、图像采集方法、设备及系统，智能音频文件推送方法包括：获取用户图像；根据用户图像，利用人工智能平台获取用户动作信息和用户表情信息；根据用户动作信息，确定出音频文件集合；根据用户动作信息和用户表情信息，确定出用户的心情参数；从音频文件集合获取与心情参数对应的音频文件，并发送至用户的用户设备。本公开实施例利用人工智能算法进行数据处理，获取到用户的动作信息和表情信息，进而确定出需要推送的音频，提升了音频推荐时的准确性，另外，利用人工智能处理器加速运算过程，能够加快运算速度，提升反馈效率。
基于人工智能音频推送方法系统相关设备

[发明专利]一种用于执行卷积神经网络训练的装置和方法-CN201610283838.5有效
发明人：陈云霁;支天;刘少礼;郭崎;陈天石 -专利权人：中科寒武纪科技股份有限公司
申请日： 2016-04-29 - 公布日： 2021-04-20 - 主分类号： G06N3/08 文献下载
摘要：本公开提供了一种执行卷积神经网络训练的装置和方法，其中装置部分包括了互连模块、主运算模块、以及多个从运算模块。对于每一层来说，首先对输入神经元向量依据卷积窗口进行数据选择，然后依据选择得到的来自前一层的数据和来自后一层的数据梯度作为本装置运算单元的输入，计算并且更新卷积核，其次依据卷积核、数据的梯度以及激活函数的导函数，计算得到本装置输出的数据梯度，并且存入存储器以输出给前一层进行反向传播计算。本公开将参与计算的数据和权重参数暂存在高速暂存存储器上，使得可以更加灵活有效地支持卷积神经网络反向运算，提升包含大量访存应用的执行性能。
一种用于执行卷积神经网络训练装置方法

[发明专利]一种用于执行向量四则运算的装置和方法-CN201610266989.X有效
发明人：陶劲桦;支天;刘少礼;陈天石;陈云霁 -专利权人：中科寒武纪科技股份有限公司
申请日： 2016-04-26 - 公布日： 2020-11-03 - 主分类号： G06F17/16 文献下载
摘要：本公开提供了一种执行向量四则运算的装置及方法，用于配合一套相应的指令集，执行向量四则运算，装置包括存储单元、寄存器单元和向量四则运算单元，存储单元中存储有向量，寄存器单元中存储有向量存储的地址，向量四则运算单元根据配套指令在寄存器单元中获取向量地址，然后，根据该向量地址在存储单元中获取相应的向量，接着，根据获取的向量进行向量四则运算，得到运算结果。本公开将参与计算的向量数据暂存在高速暂存存储器上，使得向量四则运算过程中可以更加灵活有效地支持不同宽度的数据，提升包含大量向量四则运算应用的执行性能。
一种用于执行向量四则运算装置方法

[发明专利]一种用于执行卷积神经网络训练的装置和方法-CN202010615117.6在审
发明人：陈云霁;支天;刘少礼;郭崎;陈天石 -专利权人：中科寒武纪科技股份有限公司
申请日： 2016-04-29 - 公布日： 2020-10-30 - 主分类号： G06N3/063 文献下载
摘要：本发明提供了一种执行卷积神经网络反向训练的装置和方法，其中装置部分包括了指令存储单元、控制器单元、数据访问单元、互连模块、主运算模块、以及多个从运算模块。对于每一层来说，首先对输入神经元向量依据卷积窗口进行数据选择，然后依据选择得到的来自前一层的数据和来自后一层的数据梯度作为本装置运算单元的输入，计算并且更新卷积核，其次依据卷积核、数据的梯度以及激活函数的导函数，计算得到本装置输出的数据梯度，并且存入存储器以输出给前一层进行反向传播计算。本发明将参与计算的数据和权重参数暂存在高速暂存存储器上，使得可以更加灵活有效地支持卷积神经网络反向训练运算，提升包含大量访存应用的执行性能。
一种用于执行卷积神经网络训练装置方法

1
2
3
下一页»
尾页
共 42 条