“M·阿萨德”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7个，建议您升级VIP下载更多相关专利

[发明专利]ARGMAX或ARGMIN在硬件中的实施-CN202210733526.5在审
发明人： A·阿马迪;M·阿萨德;C·迪基奇;E·康多雷利 -专利权人：想象技术有限公司
申请日： 2022-06-27 - 公布日： 2023-01-13 - 主分类号： G06N3/063 文献下载
摘要：ARGMAX或ARGMIN在硬件中的实施。一种用于在包括固定功能电路系统的硬件加速器上根据神经网络过程处理数据的机制，所述神经网络过程包括具有相关联的argmax或argmin函数的神经网络。将所述argmax或argmin函数映射到可用于所述固定功能电路系统的基本神经网络运算的集合。然后使用所述固定功能电路系统执行所述神经网络过程。使用所述神经网络过程处理的数据包括图像和/或音频数据。
argmax argmin 硬件中的实施

[发明专利]在硬件中实施池化和反池化或反向池化-CN202210733532.0在审
发明人： A·阿马迪;M·阿萨德;C·迪基奇;E·康多雷利 -专利权人：想象技术有限公司
申请日： 2022-06-27 - 公布日： 2023-01-13 - 主分类号： G06N3/063 文献下载
摘要：在硬件中实施池化和反池化或反向池化。一种用于在包括固定功能电路系统的硬件加速器上根据神经网络过程来处理数据的机制，所述神经网络过程包括池化、反池化或反向池化和/或二进制argmax/argmin函数。将所述函数映射到能够供所述固定功能电路系统使用的基本神经网络运算集合。随后使用所述固定功能电路系统执行所述神经网络过程。使用所述神经网络过程处理的所述数据包括图像和/或音频数据。
硬件实施反池化反向

[发明专利]在硬件中实现全连接神经网络层-CN202111600769.3在审
发明人： M·阿萨德;C·迪基奇 -专利权人：想象技术有限公司
申请日： 2021-12-24 - 公布日： 2022-07-08 - 主分类号： G06N3/04 文献下载
摘要：在硬件中实现全连接神经网络层。公开了用于在硬件中实现神经网络的一个或多个全连接层的方法和数据处理系统。根据实施例，至少一个全连接层的系数数据被加载到硬件加速器的输入缓冲器中，并且至少一个全连接层的输入数据被加载到硬件加速器的系数缓冲器中。
硬件实现连接神经网络

[发明专利]训练神经网络-CN202111563574.6在审
发明人： M·阿萨德;E·康多雷利;C·迪基奇 -专利权人：想象技术有限公司
申请日： 2021-12-20 - 公布日： 2022-06-24 - 主分类号： G06N3/04 文献下载
摘要：一种计算机实现的训练神经网络的方法，所述神经网络被配置为将一组系数与相应的输入数据值进行组合，所述方法包括：为了训练所述神经网络的测试实现方式：根据稀疏性参数将稀疏性应用于所述系数中的一个或多个系数，所述稀疏性参数指示待应用于所述系数集的稀疏性水平；使用所述系数对训练输入数据操作所述神经网络的所述测试实现方式，以便形成训练输出数据；根据所述训练输出数据，评估所述神经网络的准确性；并且根据所述神经网络的所述准确性来更新所述稀疏性参数；以及根据所述更新的稀疏性参数来配置所述神经网络的运行时实现方式。
训练神经网络

[发明专利]压缩系数集以供随后在神经网络中使用-CN202111562170.5在审
发明人： M·阿萨德;E·康多雷利;C·迪基奇 -专利权人：想象技术有限公司
申请日： 2021-12-20 - 公布日： 2022-06-24 - 主分类号： G06N3/04 文献下载
摘要：提供了一种压缩系数集以供随后在神经网络中使用的方法，该方法包括：将稀疏性应用于多个系数组，每一组包括预定义的多个系数；以及根据与系数组配准的压缩方案来压缩系数组，以便通过整数个一个或多个压缩值来表示每个系数组。
压缩系数随后神经网络使用

[发明专利]循环神经网络中的数字格式选择-CN202110753342.0在审
发明人： M·阿萨德;E·康多雷利;J·英伯;C·迪基奇 -专利权人：想象技术有限公司
申请日： 2021-07-02 - 公布日： 2022-01-04 - 主分类号： G06N3/06 文献下载
摘要：循环神经网络中的数字格式选择。一种计算机实现的方法，所述计算机实现的方法选择用于表示用在配置循环神经网络(RNN)的硬件实施中的所述RNN的两个或更多个值的数字格式，所述方法包括：接收所述RNN的表示；将所述RNN的所述表示实施为用于对测试输入序列进行运算的测试神经网络，所述测试神经网络的每个步骤包括所述RNN的所述两个或更多个值的实例；针对所述测试输入序列运算所述测试神经网络进行多个步骤，并且收集统计数据以提供给数字格式选择算法；以及将数字格式选择算法应用于所述统计数据，以便导出所述RNN的所述两个或更多个值的所述多个实例的通用数字格式。
循环神经网络中的数字格式选择

[发明专利]用于在硬件中运行动态循环神经网络的方法和系统-CN202110753352.4在审
发明人： M·阿萨德;E·康多雷利;J·英伯;D·卡加泰 -专利权人：想象技术有限公司
申请日： 2021-07-02 - 公布日： 2022-01-04 - 主分类号： G06N3/063 文献下载
摘要：用于在硬件中运行动态循环神经网络的方法和系统。循环神经网络的每个步骤用于对序列的不同输入进行运算，方法包括：接收RNN的表示；将RNN的表示变换为用于在输入序列的预先确定的多个输入上进行运算的导数神经网络，导数神经网络具有一个或多个状态输入和一个或多个状态输出，并且在RNN的预先确定的多个步骤上等同于RNN；以及通过以下方式将导数神经网络迭代地应用于输入序列：在硬件中实施导数神经网络的实例序列；以及将来自硬件处的导数神经网络的每一个实例的一个或多个状态输出作为一个或多个状态输入提供给硬件处的导数神经网络的后续实例，以便在比预先确定的多个输入长的输入序列上运算RNN。
用于硬件运行动态循环神经网络方法系统