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33个,建议您升级VIP下载更多相关专利
  • [发明专利]基于阻变存储器的图卷积网络文献识别装置与方法-CN202310017218.7有效
  • 高丽丽;时拓;刘琦;顾子熙;张徽;王志斌;李一琪;崔狮雨 - 之江实验室
  • 2023-01-06 - 2023-07-14 - G06F16/35
  • 本发明公开了基于阻变存储器的图卷积网络文献识别装置与方法,对文献识别数据集进行训练集和测试集的构建;构建基于阻变存储器的浮点图卷积网络模型,用训练集进行预训练,得到预训练的模型参数;根据浮点图卷积网络模型,构建基于阻变存储器的训练阶段的图卷积网络量化模型;将训练集输入训练阶段的图卷积网络量化模型,进行量化感知训练,得到每层输出值的截断位宽、损失函数的权值,以及量化感知训练后的模型参数;根据训练阶段的图卷积网络量化模型,构建基于阻变存储器的推理阶段的图卷积网络量化模型;将量化感知训练后的模型参数映射到阻变存储器上,并将测试集输入到基于阻变存储器的推理阶段的图卷积网络量化模型,进行前向推理测试。
  • 基于存储器图卷网络文献识别装置方法
  • [发明专利]一种芯片测试系统以及芯片测试方法-CN202310179200.7有效
  • 张灵子;时拓;刘琦;田杨 - 之江实验室
  • 2023-02-20 - 2023-07-14 - G01R31/28
  • 本说明书公开了一种芯片测试系统以及芯片测试方法,在控制芯片和待测试芯片之间设有各选通开关,在各选通开关中预设有多个用于在待测试芯片中写入行数据、读取行数据、写入列数据、读取列数据的通道,控制芯片可以根据测试需求,从各选通开关中确定出各目标选通开关,并向各目标选通开关发送控制指令,以通过这些处于选通状态的选通通道完成测试操作,从而对待测试芯片的每个行线和每个列线的读取数据以及写入数据功能进行测试,进而可以降低测试成本,并且可以提高测试效率。
  • 一种芯片测试系统以及方法
  • [发明专利]一种基于脉冲神经网络的睡眠类型分类方法和装置-CN202211373110.3有效
  • 张徽;时拓;刘琦;高丽丽;王志斌;顾子熙;李一琪;崔狮雨 - 之江实验室
  • 2022-11-04 - 2023-04-07 - A61B5/374
  • 本发明公开一种基于脉冲神经网络的睡眠类型分类方法和装置,该方法包括:步骤一,获取开源睡眠脑电图数据集;步骤二,将数据集中脑电图信号分割成多个第一片段信号,删除不需要的第一片段信号,并归一化剩余的第一片段信号;步骤三,分割归一化后的第一片段信号,得到第二片段信号;步骤四,将每一个第二片段信号进行事件编码,获得第二片段事件信号,并分为训练集和测试集;步骤五,构建脉冲神经网络模型及其损失函数进行各项参数梯度求解;步骤六,在训练集上进行脉冲神经网络模型优化训练,利用训练好的脉冲神经网络模型对测试集进行识别,实现睡眠类型分类。本发明相比传统神经网络分类检测具有计算量更少、更节能的优点。
  • 一种基于脉冲神经网络睡眠类型分类方法装置
  • [发明专利]基于阻变存储器的量化因子优化的图像分类方法及装置-CN202211238897.2有效
  • 高丽丽;时拓;刘琦;顾子熙;张徽;张程高;崔狮雨 - 之江实验室
  • 2022-10-11 - 2023-03-28 - G06V10/764
  • 本发明公开了基于阻变存储器的量化因子优化的图像分类方法及装置,分别构建基于阻变存储器的浮点神经网络模型及与其对应的基于阻变存储器的神经网络量化模型,通过一种新的量化因子优化损失函数结合分类损失函数,对神经网络量化模型进行训练,并且与阻变存储器的特性结合,通过迭代优化使图像分类神经网络模型学习到的量化因子尽可能的接近2的幂次方,在推理阶段,将量化后的值映射到阻变存储器阵列的电压值和电导值,并对输出电流进行移位操作,得到卷积层输出量化后的值,最终得到基于阻变存储器的神经网络量化模型的图像分类结果,由于每层的量化因子通过基于阻变存储器的神经网络模型学习得到,能够加快模型的推理速度。
  • 基于存储器量化因子优化图像分类方法装置
  • [发明专利]存算一体卷积神经网络的数据存储及阵列映射方法与装置-CN202211118488.9有效
  • 顾子熙;时拓;刘琦;高丽丽;崔狮雨;张程高;张徽 - 之江实验室
  • 2022-09-15 - 2022-12-27 - G06N3/063
  • 本发明公开了存算一体卷积神经网络的数据存储及阵列映射方法与装置,其中数据存储,除了初始的图像输入采用以行为单位的方式依次存储,在其余卷积神经网络计算过程中的中间特征值都采用多通道混合的方式,采用以数据在特征图中的位置为单位的方式依次存储;在阵列映射中,除了首层卷积层以不同输入通道的卷积核从上往下依次排布,在其余卷积神经网络的阵列映射过程中,结合混合数据存储的方式,将卷积神经网络中的权重混合映射,而全连接层的权重按照顺序依次映射。本发明基于存算一体技术优化了卷积神经网络计算中的数据存储形式,减小了计算过程中需要访问数据存储器的次数,并结合混合映射方法提升了卷积神经网络的计算效率。
  • 一体卷积神经网络数据存储阵列映射方法装置
  • [发明专利]一种存算一体卷积神经网络图像分类装置及方法-CN202210981223.5有效
  • 顾子熙;时拓;刘琦;高丽丽;张程高;卢建;张徽 - 之江实验室
  • 2022-08-16 - 2022-12-27 - G06V10/764
  • 本发明公开了一种存算一体卷积神经网络图像分类装置及方法,通过控制器对装置的其他单元、器件的控制;通过数据存储器存储神经网络分类的图像数据,以及中间特征图数据;通过存算一体单元获取的图像数据,并对图像数据进行卷积神经网络中的卷积层以及全连接层的计算,得到特征值;通过激活函数单元对存算一体单元输出的特征值进行非线性操作,得到非线性操作后的特征值;通过池化单元依次对非线性操作后的特征值进行行池化操作和列池化操作,并将最终结果值存入数据存储器;通过分类器获取最后一层神经网络计算对应的存算一体单元的输出,根据分类标签得到分类结果;从而实现数据流的优化,减少数据存取次数,减小所需缓存容量,提升计算效率。
  • 一种一体卷积神经网络图像分类装置方法
  • [发明专利]一种神经元电路-CN202110589131.8在审
  • 刘琦;王睿;时拓;张续猛;刘明 - 中国科学院微电子研究所
  • 2021-05-28 - 2022-11-29 - G06N3/063
  • 本发明公开了一种神经元电路,包括:触发单元和振荡单元;振荡单元包括第一忆阻器和第二忆阻器;第一忆阻器的一端与第二忆阻器的一端相连,以作为神经元电路的输出端;第一忆阻器的另一端与触发单元的输出端连接,第二忆阻器的另一端接地。其中,述第一忆阻器用于调节所述神经元电路的阈值;当输入触发单元的输入信号大于等于第一阈值时,神经元电路开始振荡,当输入触发单元的输入信号小于所述第一阈值时,神经元电路停止振荡;当经过连续振荡后,第一忆阻器的电阻值升高,以使第一阈值升高,当振荡停止后,第一忆阻器的电阻值逐渐减小,第一阈值逐渐回落,以实现动态阈值神经元。
  • 一种神经元电路
  • [发明专利]一种忆阻器阵列符号数乘法实现方法、装置及设备-CN202210738210.5有效
  • 顾子熙;时拓;刘琦;张程高;高丽丽;王志斌;李一琪 - 之江实验室
  • 2022-06-28 - 2022-11-25 - G06F7/575
  • 本发明公开了一种忆阻器阵列符号数乘法实现方法、装置及设备,装置包括忆阻器阵列和移位计算模块,忆阻器阵列的输入端和输出端分别与移位计算模块连接,方法包括步骤S1:确定带有符号的输入值,并将其转换为二进制补码形式;步骤S2:依据忆阻器阵列单次输入的位宽,将输入值拆分,其中最高位为符号位,从最低位开始依次输入到忆阻器阵列中进行乘法计算;步骤S3:忆阻器阵列单次输出值为最高位时做移位减法操作,其余位时均做移位加法操作;步骤S4:输出忆阻器阵列的最终乘法计算结果。本发明的忆阻器阵列符号数乘法实现方式,适用于神经网络计算,改善了部分场景下输入值仅为无符号数的限制,通用性强,几乎没有额外的硬件资源消耗。
  • 一种忆阻器阵列符号乘法实现方法装置设备
  • [发明专利]一种基于忆阻器的神经网络阵列的自动映射方法和装置-CN202210701266.3有效
  • 李一琪;时拓;刘津畅;张程高;顾子熙;王志斌;高丽丽 - 之江实验室
  • 2022-06-21 - 2022-11-04 - G06N3/063
  • 本发明公开一种基于忆阻器的神经网络阵列的自动映射方法和装置,该方法包括:步骤一,根据神经网络模型,确定所需忆阻器物理阵列参数以及神经网络模型每层的原始计算阵列大小;步骤二,根据忆阻器物理阵列的单次运算能计算的最大卷积数,对原始计算阵列进行分割,获得子计算阵列;步骤三,坐标化忆阻器物理阵列,对子计算阵列按照输入向量数,从多到少排列,映射至忆阻器物理阵列;步骤四,根据步骤二至步骤三的计算阵列的分割记录,对神经网络模型每层的原始计算阵列的输入特征图进行对应的分割,计算出映射后的物理阵列的位置坐标作为所匹配的输入特征图的区域坐标。本发明减少了整体系统所占用的面积,提高了忆阻器阵列的算力和物理利用率。
  • 一种基于忆阻器神经网络阵列自动映射方法装置

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