[发明专利]神经网络创建方法和装置、图像处理方法和电子设备在审
| 申请号： | 201811591916.3 | 申请日： | 2018-12-25 |
| 公开（公告）号： | CN109657784A | 公开（公告）日： | 2019-04-19 |
| 发明（设计）人： | 张祥雨 | 申请（专利权）人： | 北京迈格威科技有限公司 |
| 主分类号： | G06N3/06 | 分类号： | G06N3/06;G06N3/08 |
| 代理公司： | 北京市柳沈律师事务所 11105 | 代理人： | 张晓明 |
| 地址： | 100190 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开提供一种神经网络创建方法、创建装置、使用神经网络处理输入图像的图像处理方法、电子设备以及计算机可读存储介质。所述神经网络创建方法，包括：配置多个初始网络单元，所述多个初始网络单元的每个至少包括具有相同的输入端和输出端的多个网络子单元，以及与所述多个网络子单元的所述输出端连接的加权选通单元；配置初始神经网络，所述初始神经网络至少包括所述多个初始网络单元；基于所述神经网络的目标任务，训练所述初始神经网络，直到满足预定训练结束条件；以及对于所述多个初始网络单元中的每一个，通过所述加权选通单元选择一个网络子单元，并且移除其他网络子单元和所述加权选通单元，以获得创建的神经网络。 | ||
| 搜索关键词： | 神经网络 初始网络 子单元 选通单元 加权 电子设备 图像处理 创建 网络 计算机可读存储介质 神经网络处理 方法和装置 输出端连接 创建装置 结束条件 输入图像 输入端 配置 移除 输出 | ||
【主权项】：
1.一种神经网络创建方法，包括：配置多个初始网络单元，所述多个初始网络单元的每个至少包括具有相同的输入端和输出端的多个网络子单元，以及与所述多个网络子单元的所述输出端连接的加权选通单元；配置初始神经网络，所述初始神经网络至少包括所述多个初始网络单元；基于所述神经网络的目标任务，训练所述初始神经网络，直到满足预定训练结束条件；以及对于所述多个初始网络单元中的每一个，通过所述加权选通单元选择一个网络子单元，并且移除其他网络子单元和所述加权选通单元，以获得创建的神经网络。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京迈格威科技有限公司，未经北京迈格威科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811591916.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 基于忆阻器矩阵的权值运算模块-201821877516.4
- 陈义豪;徐威;王钰琪;梁定康;童祎 - 南京邮电大学
- 2018-11-14 - 2019-11-01 - G06N3/06
- 一种基于忆阻器矩阵的权值运算模块，所述基于忆阻器矩阵的权值运算模块，包括第一忆阻器矩阵、第二忆阻器矩阵和多个差分电路；所述第一忆阻器矩阵与所述第二忆阻器矩阵的结构相同，同为行输出或列输出；所述第一忆阻器和所述第二忆阻器的行与列之间不交叉并通过对应设置的忆阻器耦接；所述差分电路与所述第一忆阻器或第二忆阻器的输出端口的数量相同，且所述第一忆阻器和所述第二忆阻器的同一输出端口分别与对应设置的差分电路的同相输入端和反相输入端耦接。上述的方案，可以利用忆阻器实现权值的负数运算，丰富权值运算的结果。
- 一种基于权值分配资源的神经网络训练方法和装置-201810069252.8
- 廖裕民;吴占敏 - 福州瑞芯微电子股份有限公司
- 2018-01-24 - 2019-09-27 - G06N3/06
- 本发明提供了一种基于权值分配资源的神经网络训练方法和装置，所述装置包括可重构网络矩阵单元、参数配置单元、误差计算单元、反向回写单元、配置信息存储单元、参数元素存储单元。所述方法通过对权值较高的神经网络结构提供精度较高的乘法电路资源、对权值较低的神经网络结构提供精度较低的乘法器资源，使得在组建同一神经网络结构的各层神经网络子电路时，乘法电路的资源分配更加合理。采用上述方法可以在不影响神经网络深度学习算法效果的同时,有效地降低电路规模和电路功耗，进而提高电子设备的续航能力。
- 原位神经网络协同处理-201580009326.3
- M·坎伯斯;A·路易斯;N·G·劳 - 高通股份有限公司
- 2015-02-13 - 2019-09-20 - G06N3/06
- 一种用于在神经网络中执行协同处理的方法包括将该神经网络的一部分交换至第一处理节点达一时间段。该方法还包括用第一处理节点来执行神经网络的该部分。另外，该方法包括在该时间段之后将神经网络的该部分返回给第二处理节点。此外，该方法包括用第二处理节点来执行神经网络的该部分。
- 一种基于阻变器件和适应-激发神经元的神经形态系统及实现方法-201710330263.2
- 康晋锋;江宇宁;黄鹏;周正;柳晨;韩润泽;刘晓彦;刘力锋 - 北京大学
- 2017-05-11 - 2019-09-13 - G06N3/06
- 本发明公开一种基于阻变器件和适应‑激发神经元的神经形态系统及实现方法，系统包括阻变器件交叉阵列、前神经元、后神经元、全局动态阈值控制电路、控制逻辑模块、电压调节模块、样例输入、标签输入、结果输出。该系统采用了阻变器件作为电子突触，并提出了新的适应‑激发神经元的结构和操作模式，从而优化了系统的面积和操作方面，解决了同类系统所面临的训练问题。
- 神经网络的模拟装置及方法-201410606697.7
- 徐志强 - 徐志强
- 2014-10-30 - 2019-09-10 - G06N3/06
- 本发明涉及神经生物学的用于模拟大脑神经网络的模拟装置及方法。本发明通过研究分析大脑神经元及突触的工作过程的一些细节特征，以电子电路来模拟和实现这些细节特征，从而能够更合理和更准确地模拟神经元及突触的工作过程，以及能够构造性能更优的神经模拟网络。
- 基于人工神经网络类别的修剪-201711214867.7
- 罗宾·赛博尔德;陈建丹;汉纳·比约格温斯多蒂尔;马丁·尔永奎斯特 - 安讯士有限公司
- 2017-11-28 - 2019-09-10 - G06N3/06
- 本发明涉及基于人工神经网络类别的修剪。实现和使用用于针对特定监视状况配置人工神经网络的技术的方法和包括计算机程序产品的装置。选择监视状况特有的多个对象类别。对象类别形成人工神经网络针对其被训练的对象类别的总数的子集。访问包括人工神经网络内的神经元的激活频率值的数据库。激活频率值是对象类别的函数。从人工神经网络中去除具有低于所选择的对象类别的子集的阈值的激活频率值的那些神经元。
- 具有混合协处理器/执行单元神经网络单元的处理器-201610863682.8
- G·葛兰·亨利;泰瑞·派克斯 - 上海兆芯集成电路有限公司
- 2016-09-29 - 2019-08-30 - G06N3/06
- 一处理器，包括前端部分，以发布指令至执行单元。神经网络单元包括第一，第二与第三存储器。第一存储器装载关于神经元输出的数据文字。第二存储器装载关于神经元连结的权重文字。第三存储器装载一程序，其神经网络单元指令不同于前端部分发布至神经网络单元的指令。此程序对第一与第二存储器的数据文字与权重文字执行人工神经网络的计算。前端部分发布至神经网络单元的第一个指令指示将程序中的神经网络单元指令从架构通用缓存器移转至第三存储器。由前端部分发布至神经网络单元的第二个指令指示神经网络单元调用储存于第三存储器的程序。
- 深度神经网络鲁棒性可视分析系统及方法-201910354391.X
- 刘世霞;刘梦尘;曹科垒;朱军;苏航 - 清华大学
- 2019-04-29 - 2019-08-23 - G06N3/06
- 本发明公开了一种深度神经网络鲁棒性可视分析系统及方法，其中，系统包括：数据通路抽取模块，用于根据深度神经网络和输入样本抽取输入样本的数据通路，其中，根据输入样本的判决结果在深度神经网络中抽取多个预设神经元，并以抽取出的多个预设神经元以及这些预设神经元之间的连接组成数据通路；数据通路可视化模块，用于多级可视化数据通路。该系统方便易用，允许用户从不同层次浏览深度神经网络的数据通路，从而理解深度神经网络的判决过程，从而帮助用户理解对抗性样本被误判的原因，从而更好地分析深度神经网络的鲁棒性。
- 一种基于数据压缩的神经网络处理器、设计方法、芯片-201610977182.7
- 韩银和;许浩博;王颖 - 中国科学院计算技术研究所
- 2016-10-27 - 2019-07-30 - G06N3/06
- 本发明提出一种基于数据压缩的神经网络处理器、设计方法、芯片，该处理器包括至少一个存储单元，用于存储操作指令与参与计算的数据；至少一个存储单元控制器，用于对所述存储单元进行控制；至少一个计算单元，用于执行神经网络的计算操作；控制单元，与所述存储单元控制器与所述计算单元相连，用于经由所述存储单元控制器获得所述存储单元存储的指令，并且解析所述指令以控制所述计算单元；至少一个数据压缩单元，用于按照数据压缩存储格式对所述参与计算的数据进行压缩，其中每个所述数据压缩单元与所述计算单元相连。本发明降低了神经网络处理器中数据资源的占用，提高了运算速度，提升了能量效率。
- 用于神经网络和逻辑推理的可扩展及实时可重构硬件-201811318326.3
- 梁平;B·梁 - 梁平
- 2018-11-07 - 2019-07-16 - G06N3/06
- 本发明提出一种可缩放现场可重构学习网络以及被重构以匹配所选择的深层学习神经网络的架构或处理流程并且非常适于组合神经网络学习和逻辑推理的机器智能系统。其将所选择的学习网络的N个层、簇或阶段划分为具有与多个现场可重构处理模块的部分间连接的多个部分。该部分间连接被配置到现场可重构处理以及互联模块中。多个现场可重构学习网络可以被互联以产生更大规模现场可重构学习网络，并且能够被连接到因特网以提供现场可重构学习网络云服务。
- 集成电路芯片装置及相关产品-201711452015.1
- 不公告发明人 - 北京中科寒武纪科技有限公司
- 2017-12-27 - 2019-07-05 - G06N3/06
- 本披露提供一种集成电路芯片装置及相关产品，所述集成电路芯片装置包括：集成电路芯片装置，所述集成电路芯片装置包括：主处理电路、k个分支处理电路以及k组基础处理电路，所述主处理电路与所述k个分支处理电路分别连接，k个分支处理电路中每个分支处理电路对应k组基础处理电路中的一组基础处理电路，所述一组基础处理电路包括至少一个基础处理电路；所述分支处理电路包括：数据类型运算电路，用于执行浮点类型数据与定点类型数据之间的转换。本披露提供的技术方案具有计算量小，功耗低的优点。
- 神经网络处理器的数据处理方法及神经网络处理器-201610165618.2
- 费旭东 - 华为技术有限公司
- 2016-03-22 - 2019-06-28 - G06N3/06
- 本发明实施例提供一种神经网络处理器的数据处理方法及神经网络处理器。该方法包括：通过加法器将输入数据和相应的权重绝对值相加，输入数据为前一级输出的数据，输入数据和权重绝对值为n元向量，依次将输入数据和相应的权重绝对值相加后的n项数据进行n次第一非线性映射。将第一非线性映射后的结果通过累加器进行n次累加操作，累加操作包括权重符号位控制的加法操作和减法操作，将n次累加操作后的结果进行第二非线性映射得到处理结果并进行数据输出，第二非线性映射根据神经网络非线性映射的规律和第一非线性映射的逆映射制定。从而提高了量化效率，降低了数据的存储需求和带宽需求。
- 基于自旋振荡器的神经脉冲发生电路-201910059925.6
- 李海;周铁军;于长秋;骆泳铭;温嘉红;朱礼尧;王喆;郜壮壮;赵若菲 - 杭州电子科技大学
- 2019-01-22 - 2019-06-07 - G06N3/06
- 本发明涉及人工神经元技术领域，具体涉及基于自旋振荡器的神经脉冲发生电路，包括电流输入网络、自旋振荡器和整形电路，电流输入网络将多个输入电流信号进行叠加并作用于自旋振荡器，在输入电流作用下自旋振荡器产生频率与输入电流大小相关的交变电压信号，整形电路将自旋振荡器输出的波形处理为目标电压波形。自旋振荡器包括自旋注入层、隔离层和磁进动层，隔离层位于自旋注入层和磁进动层之间，自旋注入层和磁进动层由磁性材料构成，隔离层由非磁性材料构成。本发明的实质性效果是：本发明神经脉冲发生电路体积小、能耗低，更易集成，频率调节范围宽、速度快，能够提高人工神经网络的工作效率。
- 一种基于神经网络的场景分类电路架构和方法-201910095372.X
- 廖裕民;强书连 - 福州瑞芯微电子股份有限公司
- 2019-01-31 - 2019-06-04 - G06N3/06
- 本发明公开一种基于神经网络的场景分类电路架构和方法。其中场景分类电路架构，包括如下单元：场景分类单元，用于获取图像数据并采用神经网络对图像数据进行场景分析，发送场景分析结果到图像缓存单元；映射表存储单元，用于存储场景与是否需要图像运算单元进行运算的关系；图像缓存单元，用于缓存图像数据并根据场景分析结果，获取是否需要图像运算单元进行运算，如果需要则发送图像数据到图像运算单元进行运算，并缓存运算后返回的图像数据；图像运算单元，用于对图像进行运算并返回运算后的图像数据到图像缓存单元。通过神经网络可以实现拍摄模式的自动选择，而后可以根据拍摄模式对图像进行自动运算处理，从而达到更好的拍摄效果。
- 一种基于概率计算的人工神经网络硬件实现装置-201510904444.2
- 季渊;陈文栋;冉峰;王雪纯;王成其 - 上海大学
- 2015-12-09 - 2019-06-04 - G06N3/06
- 本发明涉及一种基于概率计算的人工神经网络硬件实现装置。它包括输入、中间和输出三个模块；输入模块由I个输入神经元组成，输入神经元接受第一数据，输出第一随机数据序列；中间模块由J个中间神经元组成，中间神经元接受第一随机数据/参数序列，输出第二随机序列；输出模块由K个输出神经元组成，输出神经元接受第二随机数据/参数序列，输出第二数据；其中I，J，K均为大于或等于1的整数；输入神经元的输出端连接到中间神经元的输入端，中间神经元的输出端连接到输出神经元的输入端，采用全部或者部分相连的方式；所述第一和第二随机数据序列、第一和第二随机参数序列均以一段时间内数据序列中出现0或1的概率值表示。本发明所述的神经网络装置可极大地降低硬件逻辑和布线资源，降低电路成本和功耗，使得采用中小规模电路实现超大规模的神经网络成为可能。
- 用于尖峰神经网络的可重配置的神经突触核-201811230495.1
- H·E·辛斯比尔;G·K·陈;P·克纳格;R·库马;R·K·克里希纳穆希 - 英特尔公司
- 2018-10-22 - 2019-05-28 - G06N3/06
- 本申请公开了用于尖峰神经网络的可重配置的神经突触核。在一个实施例中，处理器包括：第一神经突触核，包括第一电路，用于：响应于由配置参数指定的第一值，将第一神经突触核配置为神经元核；以及响应于由配置参数指定的第二值，将第一神经突触核配置为突触核。
- 用于AER前馈分类系统的脉冲神经元硬件架构-201611190874.3
- 徐江涛;周义豪;高志远;聂凯明;高静;马建国 - 天津大学
- 2016-12-21 - 2019-05-10 - G06N3/06
- 本发明涉及AER图像传感器图像识别领域，为满足基于AER图像传感器的事件驱动前馈分类系统对于实时性、并行处理和小型化的要求，本发明旨在提供一种基于FPGA平台的SNN脉冲神经元硬件实现结构。本发明采用的技术方案是，用于AER前馈分类系统的脉冲神经元硬件架构,由权值储存区、权值读写选通器、膜电势乘法累加器、PSP函数产生器、触发判断器、控制和时序以及权值修正模块，共计7个部分构成。本发明主要应用于图像传感器图像识别场合。
- 自主机器的通用输入/输出数据捕获和神经高速缓存系统-201680088988.9
- 马立伟;宋继强 - 英特尔公司
- 2016-10-05 - 2019-04-26 - G06N3/06
- 描述了一种用于促进自主机器的通用输入/输出数据捕获和神经高速缓存系统的机制。如本文所描述的，实施例的方法包括由图像捕获装置捕获一个或多个对象的一个或多个图像，其中，所述一个或多个图像表示与神经网络相关联的输入数据。所述方法可以进一步包括通过将由默认神经高速缓存系统生成的第一输出结果与由自定义神经高速缓存系统预测的第二输出结果进行比较来确定所述第一输出结果的准确性。所述方法可以进一步包括基于所述准确性来输出包括所述第一输出结果或所述第二输出结果中的至少一者的最终输出结果。
- 神经网络创建方法和装置、图像处理方法和电子设备-201811591916.3
- 张祥雨 - 北京迈格威科技有限公司
- 2018-12-25 - 2019-04-19 - G06N3/06
- 本公开提供一种神经网络创建方法、创建装置、使用神经网络处理输入图像的图像处理方法、电子设备以及计算机可读存储介质。所述神经网络创建方法，包括：配置多个初始网络单元，所述多个初始网络单元的每个至少包括具有相同的输入端和输出端的多个网络子单元，以及与所述多个网络子单元的所述输出端连接的加权选通单元；配置初始神经网络，所述初始神经网络至少包括所述多个初始网络单元；基于所述神经网络的目标任务，训练所述初始神经网络，直到满足预定训练结束条件；以及对于所述多个初始网络单元中的每一个，通过所述加权选通单元选择一个网络子单元，并且移除其他网络子单元和所述加权选通单元，以获得创建的神经网络。
- 神经网络单元和神经处理单元阵列-201610866030.X
- G·葛兰·亨利;泰瑞·派克斯 - 上海兆芯集成电路有限公司
- 2016-09-29 - 2019-04-09 - G06N3/06
- 一种神经网络单元。此神经网络单元包括一缓存器与多个神经处理单元(NPU)。缓存器可利用一除数的一倒数值的一呈现(representation)予以程序化。各个神经处理单元包括一算术逻辑单元，一累加器与一倒数乘法单元。算术逻辑单元用以对一系列操作数执行一系列算术与逻辑运算以产生一系列结果。算术逻辑单元并将这系列结果累加出一累加值储存至累加器。倒数乘法单元接收前述除数的倒数值的呈现与累加值以产生一结果。此结果是累加值与除数的商数。
- 具有神经存储器的神经网络单元和集体将来自神经存储器的数据列移位的神经处理单元阵列-201610866127.0
- G·葛兰·亨利;泰瑞·派克斯 - 上海兆芯集成电路有限公司
- 2016-09-29 - 2019-04-09 - G06N3/06
- 一种神经网络单元，包括第一存储器，第二存储器，N个神经处理单元与多个启动函数单元。第一存储器装载N个权重文字的列并将其提供至N个相对应神经处理单元。第二存储器装载N个数据文字的列并将其提供至N个相对应神经处理单元。各个神经处理单元包括一累加器与一算术单元。算术单元对于由第一与第二存储器接收的权重与数据文字执行一系列乘法与加法运算以累加出一累加值于累加器内。各个启动函数单元由N个神经处理单元中的多个神经处理单元所共享，并以序列方式从各个神经处理单元接收累加值并对其执行启动函数以产生结果。
- 对人工神经网络及浮点神经网络进行量化的方法及装置-201810589961.9
- 金度润;任汉永;姜寅烨;金炳秀;成乐祐;林钟汉;河相赫 - 三星电子株式会社
- 2018-06-08 - 2019-04-02 - G06N3/06
- 本发明提供一种对人工神经网络进行量化的方法、对人工神经网络进行量化的装置及对浮点神经网络进行量化的方法。一种对人工神经网络进行量化的方法包括：将所述人工神经网络的输入分布划分成多个节段；通过对所述多个节段中的每一个进行近似来产生近似密度函数；基于所述近似密度函数来计算与用于对所述人工神经网络进行量化的至少一个步长对应的至少一个量化误差；以及基于所述至少一个量化误差来确定用于对所述人工神经网络进行量化的最终步长。所述方法同时提供人工神经网络的高的准确性及低的计算复杂度。
- 一种基于深度神经网络的激活量量化方法及装置-201710859537.7
- 张渊 - 杭州海康威视数字技术股份有限公司
- 2017-09-21 - 2019-03-29 - G06N3/06
- 本发明实施例提供了一种基于深度神经网络的激活量量化方法及装置，其中，基于深度神经网络的激活量量化方法包括：获取深度神经网络中网络层的激活量，其中，激活量中的元素按高度、宽度及深度三个方向排布；沿激活量的深度方向，将激活量中元素特征间的差异小于预设阈值的深度划分为同一切片组，得到多个切片组；分别采用通过量化公式得到的各切片组对应的量化参数，对各切片组进行量化。通过本方案可以减小量化误差。
- 现场可编程门阵列平台上加速深度学习算法的方法和系统-201610596159.3
- 周学海;王超;余奇;周徐达;赵洋洋;李曦;陈香兰 - 中国科学技术大学苏州研究院
- 2016-07-27 - 2019-03-22 - G06N3/06
- 本发明公开了一种现场可编程门阵列平台上加速深度学习算法的方法，现场可编程门阵列平台包括通用处理器、现场可编程门阵列以及存储模块，包括以下步骤：根据深度学习预测过程和训练过程，并结合深度神经网络和卷积神经网络，确定适用于现场可编程门阵列平台上运行的通用计算部分；根据确认的通用计算部分，确定软硬件协同计算方式；根据FPGA的计算逻辑资源、带宽情况，确定IP核固化的数量和种类，利用硬件运算单元，在现场可编程门阵列平台上进行加速。能够根据硬件资源快速设计出针对深度学习算法加速的硬件处理单元，处理单元相对于通用处理器有高性能、低功耗特点。
- 一种情感分析模型及其训练方法-201811614564.9
- 徐承迪 - 杭州翼兔网络科技有限公司
- 2018-12-27 - 2019-03-15 - G06N3/06
- 本发明提供了一种情感分析模型及其训练方法，所述情感分析模型包括接纳层、交互作用层和输出层。所述接纳层由多个输入节点构成，所述交互作用层由多个交互神经元节点构成。每个输入节点均与全部交互神经元节点连接。在交互作用层内部，相邻神经元节点相互连接。本发明能够用于对于用户情绪状态的自动化获取，不需要过多的人工操作，即可随时掌控客户端用户的情绪状态。
- 极限学习机中超大规模隐含层节点快速选择方法-201811210166.0
- 邓万宇;张莎莎;陈琳 - 西安邮电大学
- 2018-10-17 - 2019-02-15 - G06N3/06
- 本发明提出了一种极限学习机中超大规模隐含层节点快速选择方法，在经典ELM算法框架下，拟在单隐层前馈神经网络的隐含层部分加入隐含层节点选择步骤，在大量的隐含层节点中选择出部分有效的隐层节点，组成新的隐含层矩阵，通过Cutting Plane算法对隐含层节点空间进行不断的切割，并配合节点选择阶段与节点权重更新子问题优化两阶段来实现对隐含层节点的快速选择；经过大量的实验数据的性能测试，本文算法的分类准确率相较于传统算法和其余一些算法都有明显提升。
- 可变历元尖峰序列滤波-201810698116.5
- M.I.戴维斯;林宗翰 - 英特尔公司
- 2018-06-29 - 2019-02-12 - G06N3/06
- 可变历元尖峰序列滤波。在本文中描述了用于可变历元尖峰序列滤波的系统和技术。可以针对历元启动尖峰踪迹存储设备。此处，尖峰踪迹存储设备被包括在神经形态硬件的神经单元中。在历元期间可以在神经单元处接收多个尖峰。可以针对多个尖峰中的每个递增尖峰踪迹存储设备以产生接收到的尖峰的计数。可以获得历元学习事件，并且可以响应于历元学习事件使用尖峰踪迹存储设备中的接收到的尖峰的计数产生尖峰踪迹。可以使用尖峰踪迹修改神经单元的网络参数。
- 具有神经处理单元可动态配置以执行多种数据尺寸的神经网络单元-201610866027.8
- G·葛兰·亨利;泰瑞·派克斯 - 上海兆芯集成电路有限公司
- 2016-09-29 - 2019-02-12 - G06N3/06
- 一神经网络单元，包括缓存器，第一存储器，第二存储器与一神经处理单元阵列。缓存器装载一指针指定窄/宽配置。当指针指定窄/宽配置时，第一存储器分别装载2N个窄的或N个宽的权重文字的列，第二存储器分别装载2N个窄的或N个宽的数据文字的列，神经处理单元阵列分别作为2N个窄的或N个宽的神经处理单元，并从第一存储器与第二存储器分别接收2N个窄的或N个宽的权重文字的列以及2N个窄的或N个宽的数据文字的列。当指针指定为窄配置时，2N个神经处理单元执行窄算术运算。当指针指定为宽配置时，N个神经处理单元执行宽算术运算。
- 一种基于化学反应网络的神经网络元件实现方法-201810927385.4
- 张川;方崇舟;尤肖虎 - 东南大学
- 2018-08-15 - 2019-01-25 - G06N3/06
- 本发明公开了一种基于化学反应网络的神经网络元件实现方法，包括如下步骤：(1)数值计算的实现；对于加法、减法和乘法计算，分别构造相应模型进行计算；(2)神经元的实现；利用步骤(1)中的计算模型实现神经元的相关计算。本发明构造了一个功能由化学反应网络实现的神经元，经仿真测试，该神经元在训练过程中能输出正确结果，同时相应地对输入端的权值进行正确调整。
- 一种随机神经网络硬件实现装置-201610026441.8
- 季渊;王雪纯;陈文栋;冉峰;满丽萍 - 上海大学
- 2016-01-16 - 2019-01-11 - G06N3/06
- 本发明涉及一种随机神经网络硬件实现装置，它包括输入层、隐含层和输出层：输入层由m个输入神经元I组成，输入神经元I包括一个随机数转换器A，输入向量经过随机数转换器A后输出随机数据序列一；隐含层由s个隐含神经元J组成，隐含神经元J包括一个随机数转换器B、一个随机函数发生器和一个确定数转换器C，参数码流经过随机数转换器B后与随机数据序列对齐再经随机函数发生器，得到随机数据序列二，随机数据序列二经过确定数转换器C，输出确定数一；输出层由n个输出神经元K组成，输出神经元K包括一个确定数转换器D和一个线性函数处理器，参数码流二经过确定数转化器D后与确定数对齐再经线性函数处理器，输出目的向量。本发明可极大降低硬件逻辑和布线资源，降低电路成本功耗，同时网络运算精度高，增强训练样本的拟合能力。
- 专利分类
