“边昳”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41个，建议您升级VIP下载更多相关专利

[发明专利]基于流水线结构的计算引擎加速装置、方法、设备及介质-CN202310912140.5在审
发明人：赵志远;徐鹏;陈刚;申荣铉;鲁华祥;边昳 -专利权人：中国科学院半导体研究所
申请日： 2023-07-24 - 公布日： 2023-10-24 - 主分类号： G06N3/063 文献下载
摘要：本发明提供了一种基于流水线结构的计算引擎加速装置、方法、设备及介质，神经网络硬件加速技术领域，该装置包括：循环行缓冲器，包括：第一多路选择器，用于确定输入特征图的n个特征图像素点的存储位置，其中，n为大于0的正整数；m个随机存取存储器，用于根据存储位置缓存n个特征图像素点，其中，m为大于0的正整数；第二多路选择器，用于对写入m个随机存取存储器的特征图像素点进行输出；流驱动填充器，用于根据特征图像素点的位置和神经网络中卷积层的边界参数，对第二多路选择器输出的特征图像素点进行边界填充；计算单元阵列，用于对填充后的特征图像素点进行卷积计算；权重存储器，用于缓存神经网络的权重数据。
基于流水线结构计算引擎加速装置方法设备介质

[发明专利]神经网络训练方法和装置、文本翻译方法、电子设备及介质-CN202210260924.X在审
发明人：徐新涛;陈刚;叶俊彬;鲁华祥;边昳 -专利权人：中国科学院半导体研究所;中国科学技术大学
申请日： 2022-03-16 - 公布日： 2023-09-29 - 主分类号： G06N3/082 文献下载
摘要：本公开提供了一种神经网络训练方法，应用于人工智能技术领域，包括：获取初始训练样本数据集，初始训练样本数据集中的初始训练样本包括初始文本数据，对初始训练样本进行预处理，生成训练样本数据集，训练样本数据集中得训练样本包括文本数据以及与文本数据对应的标签信息，标签信息用于表征文本数据的翻译结果，构建待训练的神经网络，待训练的神经网络包括激活层、全连接前向传播层、卷积层，激活层设置于全连接前向传播层之间或者卷积层后，激活层的激活函数采用加法和移位操作实现，利用训练样本数据集训练待训练的神经网络，得到训练完成的神经网络。本申请还公开了一种神经网络训练装置、电子设备及存储介质。
神经网络训练方法装置文本翻译电子设备介质

[发明专利]基于现场可编程门阵列的低资源开销TCP/IP协议栈装置-CN202310912039.X在审
发明人：赵志远;乔瑞秀;陈刚;申荣铉;鲁华祥;边昳 -专利权人：中国科学院半导体研究所
申请日： 2023-07-24 - 公布日： 2023-09-05 - 主分类号： H04L69/16 文献下载
摘要：本发明提供了一种基于现场可编程门阵列的低资源开销TCP/IP协议栈装置，涉及网络通信传输技术领域，该低资源开销TCP/IP协议栈装置包括：UDP模块，用于封装和解析UDP协议中的用户数据，得到第一报文数据段；TCP模块，用于封装和解析TCP协议中的用户数据，得到第二报文数据段；仲裁器，用于确定第一报文数据段或第二报文数据段传输的优先级；数据链路层模块，用于封装和解析第一报文数据段或第二报文数据段，得到第一报文数据帧或第二报文数据帧。通过在原始TCP/IP协议的基础上对协议进行了简化，在满足点对点通信要求的情况下设计了轻量级硬件TCP/IP协议栈，能够在消耗少量逻辑资源的情况下实现高效便捷的网络数据传输。
基于现场可编程门阵列资源开销 tcp ip 协议装置

[发明专利]一种稀疏卷积神经网络加速器及计算方法-CN201910149310.2有效
发明人：余成宇;李志远;毛文宇;鲁华祥;边昳 -专利权人：中国科学院半导体研究所;中国科学院大学
申请日： 2019-02-27 - 公布日： 2023-09-05 - 主分类号： G06N3/06 文献下载
摘要：一种稀疏卷积神经网络加速器及计算方法，其中，加速器包括：卷积计算模块，用于对输入特征图进行乘加处理，生成中间结果，其中，卷积计算模块由9个计算单元组成，每一计算单元由一个及以上的乘加器组成，同一计算单元中乘加器的激活输入相同，9个计算单元设置有一额外激活输入；非线性及池化模块，用于对中间结果进行非线性计算及池化计算，生成输出特征图；全连接层计算模块，用于对输出特征图进行全连接计算，生成最终结果。通过对多个卷积计算模块组合出不同的工作模式，能够在有效利用激活稀疏性加速卷积神经网络计算的同时，产生较小的额外资源开销和较低的负载失衡。
一种稀疏卷积神经网络加速器计算方法

[发明专利]多通道稀疏数据的预处理装置及方法-CN202310760347.5在审
发明人：乔瑞秀;陈刚;赵志远;鲁华祥;边昳 -专利权人：中国科学院半导体研究所
申请日： 2023-06-26 - 公布日： 2023-08-25 - 主分类号： H04L9/08 文献下载
摘要：本发明提供了一种多通道稀疏数据的预处理装置及方法，涉及集成电路与信息通信领域，该预处理装置包括：输入处理模块，包括有效数据缓存器和有效数据绝对地址获取器，有效数据缓存器用于提取原始稀疏数据中的有效数据；有效数据绝对地址获取器用于获取接收端有效信号和有效数据的绝对地址；编码处理模块，包括量子信号存储器和编码逻辑运算器；量子信号存储器用于根据绝对地址从光量子信号池中获取发送端有效信号；编码逻辑电路用于根据接收端有效信号和发送端有效信号进行逻辑运算，得到单通道有效数据；输出处理模块，包括多通道有效数据缓存器，用于将单通道有效数据按照多通道稀疏数据的稀疏轨迹输出。
通道稀疏数据预处理装置方法

[发明专利]卷积神经网络计算装置、数据计算方法-CN201910149064.0有效
发明人：乔瑞秀;龚国良;邓琪;鲁华祥;边昳 -专利权人：中国科学院半导体研究所;中国科学院大学
申请日： 2019-02-27 - 公布日： 2023-07-28 - 主分类号： G06N3/063 文献下载
摘要：一种卷积神经网络计算装置，应用于计算机技术领域，包括：分布式局部存储模块，卷积计算模块，有效信号控制模块，地址管理模块以及缓冲输出模块，分布式局部存储模块，用于存储输入激活值和权重值，卷积计算模块，用于对输入激活值和权重值进行卷积运算，得到中间结果，有效信号控制模块，用于控制卷积计算模块进行卷积运算，地址管理模块，用于对分布式局部存储模块进行读写管理，缓冲输出模块，用于处理中间结果，得到最终结果，并输出最终结果。本发明还公开了一种数据计算方法，增强卷积网络的计算效率。
卷积神经网络计算装置数据计算方法

[发明专利]神经网络加速器-CN202310302915.7在审
发明人：赵志远;陈刚;鲁华祥;边昳 -专利权人：中国科学院半导体研究所
申请日： 2023-03-23 - 公布日： 2023-07-14 - 主分类号： G06N3/063 文献下载
摘要：本公开提供了一种神经网络加速器，包括：第一计算引擎，用于对待识别图像进行卷积处理，得到初始识别结果；至少一个第二计算引擎，用于对所述初始识别结果进行卷积处理，得到所述图像识别结果，其中，所述第一计算引擎和多个所述第二计算引擎依次以串联的形式连接，所述第一计算引擎和所述第二计算引擎中的每一个计算引擎对应神经网络算法的一层。
神经网络加速器

[发明专利]可编程电阻器、带隙基准源及调节方法-CN202310142645.8在审
发明人：陈刚;李志刚;乔瑞秀;陈义豪;孔鑫;边昳;鲁华祥 -专利权人：中国科学院半导体研究所
申请日： 2023-02-09 - 公布日： 2023-05-30 - 主分类号： G11C13/00 文献下载
摘要：本公开提供一种可编程电阻器、带隙基准源及调节方法，可编程电阻器包括：第一电阻；第一开关组，与第一电阻串联，用于连通第一电阻与两个编程端口，以对第一电阻进行阻值编程；第二开关组，与第一电阻串联，用于连通第一电阻与两个采样端口；反相器，用于控制第一开关组与第二开关组的连通或断开；其中，第一电阻为可变电阻，第一开关组与第二开关组不同时连通。本公开的可编程电阻器结构简单、调节方便，引入到带隙基准源电路中，可实现封装后的多次低成本调节。
可编程电阻器基准调节方法

[发明专利]忆阻器阵列运算电路-CN202310190669.0在审
发明人：孔鑫;李志刚;陈刚;乔瑞秀;鲁华祥;边昳 -专利权人：中国科学院半导体研究所
申请日： 2023-02-24 - 公布日： 2023-05-30 - 主分类号： G11C13/00 文献下载
摘要：本公开提供一种忆阻器阵列运算电路，包括：基本存储模块，包括多个基本存储单元，每个基本存储单元包括相互连接的第一忆阻器和第一晶体管；预处理模块，包括多个共栅放大器，共栅放大器与第一晶体管相连接，以及多个共栅放大器的输出电流汇总输出；偏置模块，用于为预处理模块提供偏置电压；其中，第一晶体管用于接收控制信息，预处理模块用于读取基本存储单元的输出电流，得到第一忆阻器的阻值信息；控制信息与阻值信息在预处理模块中进行乘累加运算。本公开的忆阻器阵列运算电路，扩展了忆阻器的高阻态与低阻态之间的阻值差异，提高了忆阻器阵列读算的并行度，提高了运算能效。
忆阻器阵列运算电路

[发明专利]深度可分离卷积结构的低比特量化方法-CN201910931215.8有效
发明人：吴绮;李志远;陈刚;鲁华祥;边昳 -专利权人：中国科学院半导体研究所
申请日： 2019-09-27 - 公布日： 2022-12-23 - 主分类号： G06N3/08 文献下载
摘要：一种深度可分离卷积结构的低比特量化方法，该方法包括：选择量化系数对训练结束的深度可分离卷积神经网络的权重和特征图数据进行均匀量化；对训练结束的深度可分离卷积神经网络中的权重进行逐通道量化；利用特征图数据对深度可分离卷积神经网络进行逐层量化；基于训练集在训练结束的深度可分离卷积神经网络中进行前向运算，并对批量归一化层中的滑动平均参数进行更新；将更新后的批量归一化层中的滑动平均参数和可学习的参数融合到网络权重量化系数和偏置中，实现深度可分离卷积结构的低比特量化。本发明提供的深度可分离卷积结构的低比特量化方法无需任何有标签数据参与、计算简单且与传统方法相比提高了低比特量化后的准确率。
深度可分离卷积结构比特量化方法

[发明专利]阻变随机存储器的控制方法和控制系统-CN202210946698.0在审
发明人：陈义豪;陈刚;李志刚;边昳;鲁华祥 -专利权人：中国科学院半导体研究所
申请日： 2022-08-08 - 公布日： 2022-10-25 - 主分类号： G11C11/50 文献下载
摘要：本公开提供了一种阻变随机存储器的控制方法，应用于控制单元，控制单元与驱动电路电连接，驱动电路与阻变随机存储器电连接，控制方法包括：向驱动电路发送驱动信号，以使得驱动电路根据驱动信号向阻变随机存储器发送脉冲序列，以及驱动电路根据脉冲序列生成反馈信息；根据反馈信息确定阻变随机存储器的当前阻值；在当前阻值不符合目标阻值范围的情况下，迭代地根据反馈信息确定新的驱动信号，其中，新的驱动信号包括脉冲类型和与脉冲类型对应的脉冲幅值，脉冲类型包括电压脉冲或电流脉冲；向驱动电路发送新的驱动信号，以使得驱动电路根据新的驱动信号生成新的反馈信息；根据新的反馈信息确定阻变随机存储器的新的当前阻值。
随机存储器控制方法控制系统

[发明专利]数据处理的方法以及应用在神经网络的新型跳过连接结构-CN202210825276.8在审
发明人：徐新涛;刘毅;陈刚;陈旭;边昳;鲁华祥 -专利权人：中国科学院半导体研究所
申请日： 2022-07-13 - 公布日： 2022-09-27 - 主分类号： G06N3/04 文献下载
摘要：本公开提供了一种数据处理的方法以及应用在神经网络的新型跳过连接结构，可以应用于人工智能技术领域。该方法包括：从存储介质中读取输入数据；通过处理器将输入数据输入第一计算旁路，以便依次通过第一归一化层、第一全连接层、激活层和第二全连接层对输入数据进行计算，得到第一中间数据；通过处理器将输入数据输入第二计算旁路，以便通过第一缩放单元对输入数据进行缩放处理，并与第一中间数据进行融合得到第二中间数据；通过处理器将输入数据输入主计算支路，以便通过第二缩放单元对输入数据进行缩放处理，并与第二中间数据进行融合，得到输出数据。
数据处理方法以及应用神经网络新型跳过连接结构

[发明专利]基于卷积神经网络和翻译模型的轻量化机器翻译方法-CN202210529030.6在审
发明人：徐新涛;赵志远;陈刚;申荣铉;边昳;鲁华祥 -专利权人：中国科学院半导体研究所
申请日： 2022-05-16 - 公布日： 2022-09-20 - 主分类号： G06F40/58 文献下载
摘要：本公开提供了一种基于卷积神经网络和翻译模型的轻量化机器翻译方法。该方法包括：响应于文本翻译请求，获取所述文本翻译请求中携带的待翻译语句；对所述待翻译语句进行预处理，得到具有位置信息的分词序列；将所述分词序列输入至卷积神经网络中，输出局部特征序列；将所述局部特征序列输入至翻译模型中，输出文本翻译结果。此外，本公开还提供了一种基于卷积神经网络和翻译模型的轻量化机器翻译装置、电子设备、可读存储介质。
基于卷积神经网络翻译模型量化机器翻译方法

[发明专利]数据处理方法及数据处理装置-CN202111454533.3在审
发明人：徐新涛;陈刚;鲁华祥;边昳 -专利权人：中国科学院半导体研究所;中国科学技术大学
申请日： 2021-11-30 - 公布日： 2022-03-01 - 主分类号： G06T1/60 文献下载
摘要：本公开提供了一种数据处理方法及数据处理装置，可以应用于人工智能技术领域。该方法包括：从第一缓存中获取待处理图像的数据矩阵和目标卷积层的权重矩阵；将数据矩阵和权重矩阵按行分割为多个数据流，并分别写入多个第二缓存中，其中，每个第二缓存具有对应的计算单元；对于每个第二缓存，在第二缓存中的已写入数据流满足计算窗口需求的情况下，基于预设步长，将已写入数据流构建第一数据序列和第二数据序列；基于预设步长，将第一数据序列和第二数据序列分别从计算单元的两侧输入，其中，计算单元包括串联的多个计算节点；以及将多个计算节点累加的部分积输入加法树中，得到当前计算窗口的输出值。
数据处理方法装置

[发明专利]轻量级神经网络的训练方法、分类方法及识别方法-CN202110905572.4在审
发明人：刘毅;王文浩;张兆煜;边昳;鲁华祥 -专利权人：中国科学院半导体研究所
申请日： 2021-08-06 - 公布日： 2022-01-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种轻量级神经网络的训练方法、图像分类方法和图像识别方法。训练方法包括：获取初始训练样本数据集，其中，初始训练样本数据集中的初始训练样本包括初始图像数据；对初始训练样本进行预处理，生成训练样本数据集，其中，训练样本数据集中的训练样本包括图像数据以及与图像数据对应的标签信息；构建待训练的轻量级神经网络，其中，待训练的轻量级神经网络包括激活层，激活层由激活卷积层和激活批量归一化层依次级联构建得到，激活层适用于捕获图像数据的多个像素之间的关联关系；以及利用训练样本数据集训练待训练的轻量级神经网络，得到训练完成的轻量级神经网络。
轻量级神经网络训练方法分类识别

1
2
3
下一页»
尾页
共 41 条