“熊大鹏”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43个，建议您升级VIP下载更多相关专利

[发明专利]一种针对ReRAM神经网络计算引擎网络的部署方法-CN202310178428.4有效
发明人：董光达;余少华;熊大鹏;李涛 -专利权人：苏州亿铸智能科技有限公司
申请日： 2023-02-28 - 公布日： 2023-10-27 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种针对ReRAM神经网络计算引擎网络的部署方法，属于神经网络技术领域，其方法包括：步骤1：解析神经网络，获取各层的基础信息；步骤2：进行ReRAM资源分配，得到ReRAM资源分配信息；步骤3：进行DMA资源分配，生成rdma与wdma的配置信息；步骤4：进行gbuf资源分配，生成分配信息；步骤5：遍历神经网络，将上述分配信息整合到各层，生成整个网络的配置部署信息。本发明可快速提供部署网络需要的引擎配置，提高了存算颗粒摆放权重的效率。
一种针对 reram 神经网络计算引擎网络部署方法

[发明专利]一种针对ReRAM部署神经网络的权重分配方法-CN202310178399.1有效
发明人：董光达;余少华;伍骏;熊大鹏;李涛 -专利权人：苏州亿铸智能科技有限公司
申请日： 2023-02-28 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种针对ReRAM部署神经网络的权重分配方法，属于神经网络技术领域，其方法包括：遍历神经网络结构，将权重进行转换，适配到存算神经网络计算引擎，每层的权重形成一个3维的小立方体；使用3d背包算法，遍历所有的权重立方体，将小立方体放到存算阵列转换的大立方体中，并获取对应的坐标信息。本发明转换了存算阵列视角，将权重存放问题抽象为传统的3d背包问题，便于使用成熟的算法解决陌生的问题，提高了权重存放的效率；同时适用于多数神经网络的权重存放，可复用性高，更利于神经网络的部署与存算神经网络计算引擎的迭代改进。
一种针对 reram 部署神经网络权重分配方法

[发明专利]存算一体芯片及其操作方法-CN202310728596.6在审
发明人：章锦腾;熊大鹏;李涛;周兵 -专利权人：苏州亿铸智能科技有限公司
申请日： 2023-06-19 - 公布日： 2023-10-13 - 主分类号： G06N3/063 文献下载
摘要：本申请公开了一种存算一体芯片，存算一体芯片包括多个由片上网络连接的块，每个块均包括存算模块和向量处理模块，存算一体芯片用于根据网络模型的配置参数获取注意力头的数量，并根据注意力头的数量将神经网络的注意力权重存储在多个块的存算模块中，多个块的存算模块中均存储所有类型的注意力权重；将输入数据与注意力权重卷积运算得到多个特征向量，每个特征向量包括多个特征向量矩阵；以及将每个特征向量对应的多个特征向量矩阵中的一个发送至每个块的向量处理模块中进行多头注意力运算得到多个注意力头矩阵。本申请还提供一种存算一体芯片的操作方法，可以实现注意力机制的多头并行运算，提高计算效率，减小推理过程的延迟时间。
一体芯片及其操作方法

[发明专利]基于高效动网格技术的飞行器性能优化方法、装置及设备-CN202310825387.3在审
发明人：孙明波;王成龙;汪洪波;肖轶文;熊大鹏;赵国焱 -专利权人：中国人民解放军国防科技大学
申请日： 2023-07-06 - 公布日： 2023-10-10 - 主分类号： G06F30/15 文献下载
摘要：本申请涉及一种基于高效动网格技术的飞行器性能优化方法、装置及设备。通过反距离加权插值法将固体域的位移量插值到第一背景网格边界上，通过表面矢量法判断节点与单元的包含关系，计算体积坐标；对第一背景网格边界采用弹簧法进行变形，得到各节点的新坐标；更新原始网格节点坐标信息，基于CFD计算得到飞行器变形情况；建立飞行器的第二背景网格及随体网格，通过反距离加权插值法建立随体网格与第二背景网格的连通关系并进行插值，通过CFD计算得到不同飞行攻角下的飞行器性能；根据飞行器结构变形情况及不同飞行攻角下的飞行器性能对飞行器进行性能优化。采用本发明优化飞行器时，能够在提高变形能力的前提下保证变形精度和计算效率。
基于高效网格技术飞行器性能优化方法装置设备

[发明专利]存算一体芯片及其操作方法-CN202310725317.0在审
发明人：章锦腾;熊大鹏;李涛;周兵 -专利权人：苏州亿铸智能科技有限公司
申请日： 2023-06-19 - 公布日： 2023-09-19 - 主分类号： G06N3/063 文献下载
摘要：本申请公开了一种存算一体芯片，所述存算一体芯片包括多个由片上网络连接的块，每个块均包括存算模块和向量处理模块，其中，所述存算一体芯片用于将神经网络的注意力权重分别存储在相应块的存算模块中；根据网络模型的配置参数将输入数据与注意力权重卷积运算得到的多个特征向量均拆分成相应的多个特征向量矩阵；以及将多个不同的特征向量矩阵分别发送至相应的多个块的向量处理模块中进行多头注意力运算得到多个注意力头矩阵。本申请还提供一种存算一体芯片的操作方法，可以实现注意力机制的多头并行运算，提高计算效率，减小推理过程的延迟时间。
一体芯片及其操作方法

[发明专利]一种多核存算一体加速器网络拓扑结构控制系统-CN202310230110.6有效
发明人：李涛;熊大鹏;胡建伟 -专利权人：苏州亿铸智能科技有限公司
申请日： 2023-03-10 - 公布日： 2023-09-19 - 主分类号： G06F9/50 文献下载
摘要：本发明属于网络拓扑领域，涉及数据分析技术，用于解决现有的网络拓扑结构控制系统无法根据数据传输异常特征对优化方向进行判定的问题，具体是一种多核存算一体加速器网络拓扑结构控制系统，包括服务器，服务器通信连接有网络检测模块、传输监控模块、节点监控模块、网络优化模块、加速器网络以及存储模块，网络检测模块用于对网络拓扑结构的运行状态进行检测分析：将加速器网络的各个节点标记为检测对象，设定检测周期，在检测周期内对检测对象进行数据传输分析；本发明是利用任务地址空间技术将任务模块在网络中传输，并通过实时检测与动态任务分配算法以实现各个加速器之间的负载平衡，以实现最高的硬件利用率。
一种多核一体加速器网络拓扑结构控制系统

[发明专利]一种基于ReRAM的神经网络权重映射方法-CN202310048900.2在审
发明人：景乃峰;董光达;熊大鹏;李涛 -专利权人：苏州亿铸智能科技有限公司
申请日： 2023-02-01 - 公布日： 2023-09-05 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于ReRAM神经网络加速器的权重映射方法，属于神经网络加速器领域，方法包括：步骤1：以ReRAM阵列的Bank作为第一映射优先级，用来放置卷积输入通道；步骤2：以ReRAM阵列的Bank‑Row方向作为第二映射优先级，在卷积核的输出通道维度上，把不同通道的卷积核摆放置不同的Bank‑Row位置上，直到完成所有输入和输出通道的数据映射要求；步骤3：每个权重数据按照比特位的特定顺序规则排列在计算阵列的交叉电路中。本发明提出一种新颖的高并行度权重映射算法设计，极大程度挖掘了卷积和矩阵乘法计算的并行性的同时，也降低硬件复杂度的。
一种基于 reram 神经网络权重映射方法

[发明专利]一种针对ReRAM的神经网络加速器-CN202310049117.8有效
发明人：景乃峰;伍骏;董光达;熊大鹏;李涛 -专利权人：苏州亿铸智能科技有限公司
申请日： 2023-02-01 - 公布日： 2023-08-25 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于ReRAM的神经网络加速器，属于神经网络加速器设计领域，其加速器包括ReRAM原位计算阵列、输入寄存器、累加缓存器、向量逻辑单元、全局缓存器、计算控制单元和特征数据读写DMA；所述输入寄存器和累加缓存器连接ReRAM原位计算阵列。本发明采用一种新颖的神经网络权重的映射方法用于神经网络的推理计算，并采用高效的直接存储器访问和灵活的数据摆放格式，在提高数据流和计算流并行度的同时，解决了推理过程中数据阻塞的问题，提升架构的数据吞吐率。
一种针对 reram 神经网络加速器

[实用新型]一种废钢破碎料筛分装置-CN202222898860.4有效
发明人： 熊大鹏;黄勇 -专利权人：南京图祺再生资源有限公司
申请日： 2022-11-01 - 公布日： 2023-07-18 - 主分类号： B07B1/34 文献下载
摘要：本实用新型公开了一种废钢破碎料筛分装置，包括箱体，所述箱体底部内壁靠近左右两侧中心处均固定连接有限位弹簧，两个所述限位弹簧顶端均固定连接有回形框，两个所述回形框左右两侧内壁靠近中心处均固定连接有齿条，本实用新型通过螺套、螺纹杆、L形推杆、固定弹簧、夹持板、从动锥齿轮、驱动锥齿轮、连接杆以及转柄各部件之间的相互配合使用，使得该废钢破碎料筛分装置，通过便捷的带动两个螺纹杆正向转动，使得两个螺纹杆能够通过两个螺套带动两个L形推杆推动两个夹持板向着相邻的一侧移动，便于两个夹持板能够快捷的与筛分箱侧壁相接触，达到了能够牢固的将筛分箱进行固定的效果，便于平稳的进行筛分工作。
一种废钢破碎筛分装置

[发明专利]一种提高存内计算芯片内部数据安全性的方法及装置-CN202211326818.3有效
发明人：周兵;胡建伟;熊大鹏;李涛 -专利权人：亿铸科技（杭州）有限责任公司
申请日： 2022-10-27 - 公布日： 2023-07-14 - 主分类号： H04L9/22 文献下载
摘要：本发明公开了一种提高存内计算芯片内部数据安全性的方法及装置，应用于半导体技术领域，其方法包括：当上位机将AI模型文件传输给下载器之后，下载器对AI模型文件进行加密，并将加密之后的AI模型数据下载到存内计算芯片中的存储器当中；在存内计算芯片上电运行的时候，控制器将加密之后的AI模型数据解密之后，再加载到相应的存内计算单元当中运行。本发明避免了当前存内计算芯片中AI模型文件的数据安全隐患，提高了存内计算芯片内部数据安全性，从而保障存内计算芯片中AI模型文件的数据安全。
一种提高计算芯片内部数据安全性方法装置

[发明专利]一种自动获得混合精度量化全局最优化策略的方法-CN202211469658.8有效
发明人：唐文超;王骏;熊大鹏;李涛 -专利权人：苏州亿铸智能科技有限公司
申请日： 2022-11-22 - 公布日： 2023-07-14 - 主分类号： G06N3/0495 文献下载
摘要：本发明公开了一种自动获得混合精度量化全局最优化策略的方法，包括以下步骤：准备将要进行量化的深度神经网络数据集；从深度神经网络的所有混合量化组合中顺序选取一个组合进行推理，并记录实际的推理精度和实际的推理时间，重复直至遍历所有混合量化组合；排除掉实际推理精度或实际推理时间不符合要求的混合量化组合，对剩余符合推理精度和推理时间要求的计算得分并按得分进行排序；选择最高得分的混合量化组合作为混合精度量化全局最优化策略。本发明遍历所有混合量化组合，能自动找到全局最优化的混合量化组合；用户还可以通过修改推理精度权重和推理时间权重来调整混合量化组合得分标准，更好地在不同场景或不同模型找到全局最优化的组合。
一种自动获得混合精度量化全局优化策略方法

[发明专利]基于存算一体加速器的任务动态分配数据并行计算方法-CN202310299133.2在审
发明人：李涛;熊大鹏;胡建伟 -专利权人：苏州亿铸智能科技有限公司
申请日： 2023-03-24 - 公布日： 2023-07-11 - 主分类号： G06F12/02 文献下载
摘要：本发明属于数据处理领域，涉及存算一体加速器技术，用于解决现有技术中的任务动态分配数据并行计算方法，无法采用不同的寻址模式来提高空间寻址效率的问题，具体是基于存算一体加速器的任务动态分配数据并行计算方法，先通过存算一体加速器内核对数据进行近数据计算，在接收到请求者发送的空间分配信号时，再通过任务寻址模块将请求者发送请求任务的计算空间内存需求值发送至模式切换模块，模式切换模块对计算空间的寻址模式进行切换控制分析，将空间节点发送至请求者的客户端；本发明是通过加速器网络将每一个运算内核分割成多个任务模块，并利用任务地址空间技术将任务模块在网络中传输，以实现最高的硬件利用率。
基于一体加速器任务动态分配数据并行计算方法

[发明专利]一种RRAM神经网络加速器的快速性能评估方法-CN202310394426.9在审
发明人：景乃峰;熊大鹏;李涛 -专利权人：苏州亿铸智能科技有限公司
申请日： 2023-04-13 - 公布日： 2023-07-11 - 主分类号： G06F11/34 文献下载
摘要：本发明公开了一种RRAM神经网络加速器的快速性能评估方法，能够大大加快硬件的迭代优化速度，通过对不同特性的探索来寻找优化方向；相较周期精确的仿真，其速度极快，可以对大型任务进行性能评估，可以完成原先几乎不可能的超大型任务评估；可以帮助软件和系统调度优化，通过快速提供性能结果，可以使软件和系统调度以此完成更多的优化。
一种 rram 神经网络加速器快速性能评估方法

[发明专利]一种存算一体静态控制配置方法-CN202310394425.4在审
发明人：景乃峰;熊大鹏;李涛 -专利权人：苏州亿铸智能科技有限公司
申请日： 2023-04-13 - 公布日： 2023-07-07 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种存算一体静态控制配置方法，属于存储计算领域，该方法包括如下步骤：S1：计算开始前，编译器完成权重部署，确定主从关系，并对从状态表和主状态表进行修改；S2：计算过程中，从设备接收主设备数据，并对从状态表进行修改；S3：从设备计算完成后，向主设备发送完成信号，并对主状态表进行修改；S4：主设备在收到所有从设备的完成信号后，立即结束当前的计算周期，并开始下一个计算周期的控制。本发明每次计算完成后，从设备向主设备发送完成信号，主设备在收到所有从设备的完成信号后，立即结束当前的计算周期，并开始下一个计算周期的控制，有效解决了存算一体架构计算控制的复杂问题。
一种一体静态控制配置方法

[发明专利]基于不同网络类型的自适应基函数叠加量化方法及系统-CN202310172732.8在审
发明人：李涛;熊大鹏;胡建伟 -专利权人：苏州亿铸智能科技有限公司
申请日： 2023-02-28 - 公布日： 2023-06-23 - 主分类号： G06N3/0495 文献下载
摘要：本发明公开了一种基于不同网络类型的自适应基函数叠加量化方法及系统，属于神经网络模型压缩技术领域，该方法包括如下步骤：S1：获取神经网络权值；S2：选择不同的基函数分别对神经网络权值进行整体量化，得到不同基函数量化后的权值和精度结果，并进行搜索，选择精度损失最低的基函数方案，自适应的搜索得到最佳量化参数配置；S3：重复上述步骤，直至神经网络各个权值层均被量化，并汇总最佳量化参数配置，以及量化后的权值层；S4：输出整个神经网络量化后的结果。本发明可以在保持高压缩率的情况下降低网络精度损失，在量化下可以更灵活、更高效。
基于不同网络类型自适应函数叠加量化方法系统

1
2
3
下一页»
尾页
共 43 条