[发明专利]因子图上的概率传播在审
| 申请号： | 201980045616.1 | 申请日： | 2019-09-05 |
| 公开（公告）号： | CN112384934A | 公开（公告）日： | 2021-02-19 |
| 发明（设计）人： | G·谢吕比尼;T·莫拉迪斯;A·塞巴斯蒂安 | 申请（专利权）人： | 国际商业机器公司 |
| 主分类号： | G06N3/06 | 分类号： | G06N3/06 |
| 代理公司： | 中国贸促会专利商标事务所有限公司 11038 | 代理人： | 吴信刚 |
| 地址： | 美国*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 提供了用于实现随机变量的概率分布在因子图上的传播的方法和装置。这种方法包括提供尖峰神经网络，该尖峰神经网络具有与因子节点互连的变量节点，与因子图对应。每个节点包括被配置成实现该节点的计算功能的一组神经元。该方法还包括：针对一组随机变量中的每一个生成至少一个尖峰信号，其中该变量的可能值的概率经由尖峰信号中出现尖峰而被编码；以及在相应的变量节点处将该组随机变量的尖峰信号作为输入提供给神经网络。概率分布是经由在通过神经网络传播的信号中出现尖峰来传播的。 | ||
| 搜索关键词： | 因子 概率 传播 | ||
【主权项】：
暂无信息
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国际商业机器公司，未经国际商业机器公司许可，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/201980045616.1/，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-201811358461.0
- 王钰琪;徐威;陈义豪;梁定康;童祎 - 南京邮电大学
- 2018-11-14 - 2023-10-24 - 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。
- 类人脑思考网络安全态势感知方法-202310715816.1
- 陈新平 - 重庆电子工程职业学院
- 2023-06-16 - 2023-10-20 - G06N3/06
- 本发明公开了类人脑思考网络安全态势感知方法，属于网络安全感知技术领域，包括如下步骤：对于网络数据进行采集，对于网络数据进行传输监测，将神经网络单元导入；本发明中，通过在内设置有网络数据采集模块，能够对于大量的关于网络服务等多维信息进行收集，由于该模块收集的信息较为广泛，全面性较高，在后续进行网络安全态势进行分析时，能够大大提高处理结果精度，同时系统内还导入有类人脑的神经网络单元，该单元是能够进行分布式并行信息处理的算法数学模型，该单元能够通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，从而能够对于复杂的网络安全数据进行有效分析，提高系统方法的整体应用效果。
- 信号处理方法和信号处理电路-202310915781.6
- 张煜超;康一 - 中国科学技术大学
- 2023-07-24 - 2023-10-10 - G06N3/06
- 本公开提供了一种信号处理方法、信号处理电路，可以应用于脉冲神经网络技术领域。该方法包括：响应于接收到的脉冲信号，利用延时器中的多个延时单元对脉冲信号进行信号转换，得到多个延时信号；针对每个延时信号，基于预设配置信号利用多个多路选择器对延时信号进行选通，得到预设数量的选通信号；根据与每个选通信号对应的幅值个数，确定与延时信号对应的变换幅值；基于变换幅值和历史振幅值确定与延时信号对应的振幅值；基于脉冲信号的多个振幅值，确定与目标突触相连的神经元胞体的电位变化状态，以完成对神经元电位变化的模拟，其中，目标突触为脉冲信号作用的突触。
- 基于长波、中波红外表现对比度的无源测距方法-202310880124.2
- 周欢喜;田岩;杨俊波;贾红辉;胡政欢 - 湖南宏动光电有限公司
- 2023-07-18 - 2023-10-03 - G06N3/06
- 本发明涉及基于长波、中波红外表现对比度的无源测距方法，其包括先搭建Elman神经网络模型，Elman神经网络的网络结构包括输入层、第一隐含层、第二隐含层、第三隐含层、第一承接层、第二承接层和输出层；接着进行Elman神经网络模型的网络训练；最后基于Elman神经网络模型实现反演修正的长波、中波红外表观对比度的无源测距，即将待计算的红外成像采集的长波、中波样本直接输入训练好的Elman神经网络模型中进行基于长波、中波红外表观对比度的无源测距。本发明隐蔽性强，能够适应于保密性强的工作需求，且计算过程简单、测距精度高，其次还具有较强的泛化能力，能够适应不同的天气变化。
- 基于双光子钙成像数据的神经元编码模型参数估计方法及装置-202310722485.4
- 陈岗;徐斌;李珍 - 浙江大学
- 2023-06-19 - 2023-09-19 - G06N3/06
- 本发明公开了一种基于双光子钙成像数据的神经元编码模型参数估计方法及装置，首先载入神经元的荧光钙信号，对荧光钙信号进行基线校正、去噪、归一化等预处理；然后在荧光钙信号生成模型的基础上引入神经编码模型，基于新的荧光钙信号生成模型推导有关神经编码模型参数与外界刺激序列的荧光钙信号似然概率；最后用牛顿‑拉夫森算法最大化似然概率，估计神经编码模型的参数。跳过由荧光钙信号推断神经元放电序列这一步骤，直接由荧光钙信号估计神经元编码模型的参数，而避免传统方法中需先推断神经元放电序列这一步骤引入的误差。
- 一种基于HH模型设计的T型和P型忆阻神经元电路-202310691470.6
- 孙晶茹;李晓崧;马文静 - 湖南大学
- 2023-06-12 - 2023-09-08 - G06N3/06
- 本发明公开一种基于HH模型设计的T型和P型忆阻神经元电路，涉及神经形态工程技术领域。所述T型忆阻神经元电路包括：钾离子通道忆阻电路、钠离子通道忆阻电路、电阻R1、第一电容、第二电容和直流电压源，所述P型忆阻神经元电路在T型忆阻神经元电路的基础上增加了一个电容和电阻。T型和P型忆阻神经元电路仿照生物神经元结构和HH模型构建，将输入电流分别注入两种忆阻神经元电路后能够得到与生物神经元相似的两类输出，这两种忆阻神经元电路能实现包括绝对不应期在内的大部分生物神经元动力学行为。本发明能够摒弃复杂集成器件，仅用简单的半导体器件能够实现构建高速阻态切换的忆阻电路。
- 一种基于FPGA技术的多段线性拟合的神经元电路实现方法-202311010910.3
- 闵富红;杨松涛;张旭;钟俊声;尹思澎 - 南京师范大学
- 2023-08-11 - 2023-09-08 - G06N3/06
- 基于FPGA技术的多段线性拟合的神经元电路实现方法，首先根据双曲正切函数的奇偶性和取值范围并结合多段线性拟合算法处理函数，然后设计求解神经元电路模块并通过软件行进仿真验证可实施性，最后将程序烧录到FPGA观察示波器与仿真验证一致。本发明使用资源消耗少、速度快、精度高的多段线性拟合算法在FPGA上产生高精度的周期信号和混沌信号，能够更直观的在硬件设备上观测到FHN神经元电路的异常放电行为。本发明不仅为FPGA产生含有双曲正切函数的改进FHN异常放电信号提供了一种全新的方法，其通过FPGA实现双曲正切函数的原理可以推广到其他复杂函数，可广泛应用于非线性神经元和智能控制等学科领域。
- 执行程序的编译方法、芯片、电子设备及计算机可读存储介质-202080108193.6
- 冯杰 - 北京希姆计算科技有限公司
- 2020-12-31 - 2023-09-05 - G06N3/06
- 一种执行程序的编译方法、芯片、电子设备和计算机可读存储介质。其中该执行程序的编译方法包括：根据原始程序的数据的属性确定执行所述原始程序所需要的处理核的个数(S201)；根据所述原始程序的参数确定所述原始程序中的同步点的位置(S202)；根据所述处理核的个数和所述同步点的位置将所述原始程序编译成执行程序(S203)。上述方法编译生成所述执行程序的依据为原始程序的输入输出数据的属性以及参数,解决了现有技术中的执行程序在执行时需要频繁访问外部存储器的技术问题。
- 一种稀疏卷积神经网络加速器及计算方法-201910149310.2
- 余成宇;李志远;毛文宇;鲁华祥;边昳 - 中国科学院半导体研究所;中国科学院大学
- 2019-02-27 - 2023-09-05 - G06N3/06
- 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。
- 类脑突触学习方法及类脑技术的神经形态硬件系统-202310410119.5
- 王源;钟毅;王梓霖;崔小欣 - 北京大学
- 2023-04-17 - 2023-08-29 - G06N3/06
- 本发明提供一种类脑突触学习方法及类脑技术的神经形态硬件系统，方法包括：确定类脑突触学习电路中突触前神经元和突触后神经元产生的脉冲对，脉冲对包括突触前神经元产生的输入脉冲和突触后神经元产生的输出脉冲；基于脉冲对，确定脉冲对相对应的STDP机制，以及与STDP机制相对应的突触权重；基于脉冲对以及突触权重，进行类脑突触学习电路对应的STDP学习；其中，STDP机制为脉冲时间依赖可塑性机制，脉冲对的前后脉冲根据时间先后关系与所述STDP机制中的长时程增强过程或长时程抑制过程相对应。本发明实现提升类脑智能的在线学习，发挥类脑计算广泛适用的环境自适应特性。
- 一种生物可信的神经元计算电路及计算方法-202310408120.4
- 王源;钟毅;王梓霖;崔小欣 - 北京大学
- 2023-04-17 - 2023-08-29 - G06N3/06
- 本发明提供一种生物可信的神经元计算电路及计算方法，该电路通过突触整合模块、泄露整合模块、阈值比较及脉冲发放模块，对上一时刻的膜电平和神经网络脉冲信号进行运算，获取当前时刻的膜电平，并根据当前时刻的膜电平生成脉冲信号。相比于传统数模混合设计过于追求精确的神经形态行为，以及传统数字设计过于追求极低的计算复杂度，本发明的生物可信的神经元计算电路在生物置信性和计算复杂度之间做了更好的折衷，以较小的硬件代价就能够实现更加丰富的神经元动力学行为，实现了最大规模的强化LIF神经元集成和突触集成，使之能够部署更加复杂、更加多元的神经形态类脑应用。
- 基于人工智能模型执行计算的电子装置及其操作方法-202280008324.2
- 李夏润;徐载雨 - 三星电子株式会社
- 2022-01-17 - 2023-08-25 - G06N3/06
- 根据各种实施例，提供了一种电子装置，包括存储器和至少一个处理器，其中，所述至少一个处理器被配置为：通过将噪声值应用于存储在电子装置中的人工智能模型中包括的多个层的至少一部分的权重值，获得反映了噪声值的权重值；当识别出用于执行所述人工智能模型的事件时，基于通过使用反映了噪声值的权重值对输入到所述多个层中的所述至少一部分的数据的计算，获得计算数据；以及基于获得的计算数据和反映的噪声值获得输出数据。
- 一种神经网络处理器、数据处理方法及相关设备-201880098253.3
- 顾雄礼;李艳华;张惠敏 - 华为技术有限公司
- 2018-09-30 - 2023-08-22 - G06N3/06
- 本发明实施例公开了一种神经网络处理器、方法及相关设备，其中的神经网络处理器，包括：n个计算核Core、原子操作累加单元和片上共享缓存；每一个Core用于根据输入矩阵计算输入矩阵的核内均值μ，并将μ写入到原子操作累加单元；根据输入矩阵计算m个x
- 一种深度模型推理装置、物料推荐方法及装置-202310510207.2
- 张锦麟 - 上海二三四五网络科技有限公司
- 2023-05-08 - 2023-08-18 - G06N3/06
- 本发明涉及物料推荐技术领域，公开了一种深度模型推理装置、物料推荐方法及装置。深度模型推理装置包括：部署在K8S集群中的模型管理服务模块、路由服务模块和推荐服务模块；路由服务模块、推荐服务模块和特征服务模块与模型管理服务模块通信连接。物料推荐方法包括：从物品库里进行多路召回，得到多路召回结果；将多路召回结果进行融合，获得混合的召回结果；粗略排序；精准排序；重新排序；输出结果。本申请的技术方案，将推荐请求信息结合用户、物料特征，使用Tensorflow‑Serving获得推荐物料排序信息，最终将经过算法筛选的物料推送给用户。以进一步提升算法推荐的各项指标，如收入、点击率、arpu值等。
- 一种基于小波相干的脑肌功能网络构建方法-202010460960.1
- 王胡英;彭丽娟;陈谢冰;丁浙柯;袁长敏;孙紫阳;席旭刚 - 杭州电子科技大学
- 2020-05-27 - 2023-08-18 - G06N3/06
- 本发明涉及一种基于小波相干的脑肌功能网络构建方法。在人体运动过程中，大脑皮层通过脊髓和周围神经控制肌肉组织的运动，使得肢体可以完成一定的运动功能，而肢体的运动又可以通过传入神经反馈给大脑皮层。脑肌电功能耦合可以从生理上反映皮层与肌肉之间的关系。为了更好的探索人体行为感知，应用脑电与肌电信号研究运动过程中不同通道信号之间的脑肌功能耦合强度，并以此作为复杂网络加权边的值，构建脑肌功能网络。将两两信号之间的小波相干值作为脑肌功能耦合强度，同时为了增大不同动作网络模型的差异，应用阈值法和固定加权边法简化网络模型。实验结果证明，构建的脑肌功能网络具有小世界特性，应用网络特征，可对人体行为动作进行识别。
- 一种深度学习模型推理部署的方法和系统-202310438433.4
- 刘树惠;陈璐 - 武汉众智数字技术有限公司
- 2023-04-23 - 2023-08-15 - G06N3/06
- 本实施例公开了一种深度学习模型推理部署的方法和系统，所述方法和系统通过将主流深度学习框架训练的模型转换成通用的模型中间表示格式，同时将推理引擎转换成WebAssembly模块，可以在不同的推理计算运行时环境中执行推理过程，具有开放通用、安全便捷、灵活扩展、低成本等优点。
- 神经元计算机操作系统的SNN模型动态映射方法及装置-202310354756.5
- 吕攀;王凤娟;沈嘉玮;金欧文;黄雷;杨国青;李红;李莹;邓水光;潘纲 - 浙江大学;之江实验室
- 2023-04-06 - 2023-08-15 - G06N3/06
- 本发明公开了神经元计算机操作系统的SNN模型动态映射方法及装置，通过根据节点之间连接关系、设置的初始解空间映射，以及输入、输出虚拟节点相对物理神经元拟态核边缘核心的位置，构建脉冲通信代价计算模型，计算前继节点与后继节点对应物理坐标间的距离，基于节点间的距离和对应的权重信息，得到脉冲通信代价；同时，基于初始解空间，通过贪心算法遍历逻辑神经元拟态核在不同空闲物理神经元拟态核时的脉冲通信代价，得到最小脉冲通信代价时，逻辑神经元拟态核与物理神经元拟态核的映射关系。从而解决了类脑硬件资源因碎片化而无法直接将模型的逻辑神经元拟态核相对位置一一映射到物理神经元拟态核的问题。
- 一种用于实现张量链式分解运算的设备和方法-202080107550.7
- 弗拉基米尔·彼得罗维奇·科尔维亚科夫;阿努阿尔·古尔登贝科维奇·塔斯基诺夫;李江;伊万·列昂尼多维奇·马祖连科;熊业攀 - 华为技术有限公司
- 2020-12-01 - 2023-08-04 - G06N3/06
- 本发明涉及一种用于对卷积神经网络的卷积层实现张量链式分解运算的设备。该设备接收包括第一数量的通道的输入数据，并对输入数据执行1x1卷积，以获得多个数据组，其中，所述多个数据组包括第二数量的通道。该设备还对所述多个数据组执行分组卷积，以获得包括第三数量的通道的中间数据。此外，该设备对中间数据执行1x1卷积，以获得包括第四数量的通道的输出数据。
- 一种全流程并行加速脑仿真方法及系统-202310349036.X
- 王俊宜;喻富豪;蔡炎松;朱苗苗;梁华驹;彭耿;贾海波;杜帅帅 - 中国电子科技南湖研究院
- 2023-03-29 - 2023-07-28 - G06N3/06
- 本发明公开了一种全流程并行加速脑仿真方法及系统，应用于GPU，其中全流程并行加速脑仿真方法包括：接收用户输入的簇参数和突触参数；根据簇参数并行创建簇表；根据突触参数并行创建路由表；并行为每个神经元创建脉冲发放矩阵和脉冲接收矩阵；基于簇表、路由表以及脉冲发放矩阵和脉冲接收矩阵进行脑仿真。本发明提供并行化处理可能性，更加适配GPU众核特征。
- 用于布尔神经网络的设备和方法-202080106596.7
- 阮万明;简-克洛德·贝尔菲奥里;梅杰德·艾尔·贾布里;廖恒 - 华为技术有限公司
- 2020-11-12 - 2023-07-28 - G06N3/06
- 各实施例涉及神经网络。神经元可以配置有与相应的二进制输入相关联的二进制权重。可以评估针对二进制权重和相应的二进制输入的布尔函数。预激活可以基于所述布尔函数的二进制输出的和确定。神经元的二进制输出可以基于预激活的阈值而被确定。训练神经网络可以包括从下游层接收(一个或多个)二进制反向传播信号。(一个或多个)二进制反向传播信号可以指示损失函数相对于二进制输出的变化的趋势。可以确定布尔函数相对于第i个二进制权重的反转的趋势。训练可以包括基于布尔函数的趋势和损失函数的趋势确定是否反转第i个二进制权重。公开了设备、方法和计算机程序。
- 神经元突触电路及神经元电路-201610893675.2
- 张金勇;孙宏伟;王磊 - 中国科学院深圳先进技术研究院
- 2016-10-13 - 2023-07-25 - G06N3/06
- 本发明公开了一种神经元突触电路及神经元电路，其中神经元突触电路包括：充电电路，放电电路，以及分别与所述充电电路和所述放电电路连接的MOS电容；所述充电电路和所述放电电路均由多个MOS器件构成，且接入突触前神经元产生的脉冲序列和突触后神经元产生的脉冲序列；所述充电电路被构造为在突触前神经元产生的脉冲序列比突触后神经元产生的脉冲序列先到达时，通过对所述MOS电容进行充电输出使突触权值增加的模拟电压；所述放电电路被构造为在突触前神经元产生的脉冲序列比突触后神经元产生的脉冲序列后到达时，通过对所述MOS电容进行放电输出使突触权值减小的模拟电压。本发明可以减少电路功耗，并提高集成度。
- 神经网络中的处理-201811206575.3
- 斯蒂芬·菲利克斯;西蒙·克里斯蒂安·诺尔斯;戈弗雷·达·科斯塔 - 图核有限公司
- 2018-10-16 - 2023-07-14 - G06N3/06
- 本发明神经网络中的处理涉及一种用于执行包括指令序列的计算机程序的执行单元，该指令序列包括屏蔽指令。该执行单元被配置为执行屏蔽指令，该屏蔽指令在由执行单元执行时屏蔽来自n个值的源操作数中随机选择的值并保留来自源操作数的其他原始值以生成包括来自所述源操作数中的原始值和在其相应原始位置中的屏蔽值的结果。
- 用于具有动态向量长度和码本大小的高吞吐量向量去量化的灵活硬件-201880025227.8
- A·A·安巴德卡;A·托米克;C·B·麦克布赖德;G·彼得;K·D·塞多拉;L·M·瓦尔;B·博布罗夫 - 微软技术许可有限责任公司
- 2018-04-06 - 2023-07-14 - G06N3/06
- 神经网络(NN)和/或深度神经网络(DNN)的性能可以由正执行的操作数目以及NN/DNN的存储器数据管理来限制。使用神经元权重值的向量量化，神经元的数据的处理可以优化操作的数目以及存储器利用以便增强NN/DNN的总体性能。操作地，权重值的一个或多个连续段可以被转换为任意长度的一个或多个向量，并且一个或多个向量中的每个向量可以被分配有索引。所生成的索引可以被存储在示例性向量量化查找表中并且在飞行中在运行时由示例性快速权重查找硬件来取回，作为NN的示例性数据处理功能的一部分，作为内联去量化操作的一部分，以获得所需要的一个或多个神经元权重值。
- 事件传输方法、处理设备、计算机可读介质-202111628763.7
- 吴臻志;祝夭龙 - 北京灵汐科技有限公司
- 2021-12-28 - 2023-07-11 - G06N3/06
- 本公开提供了一种事件传输方法、处理设备、计算机可读介质，该方法应用于处理设备中的第一处理组件，处理设备的处理组件中设置有多个神经元，用于接收和/或发送脉冲信息，该方法包括：在处理设备完成任一处理周期的处理时，确定第一处理组件的神经元的脉冲发放结果；根据脉冲发放结果，以及第一处理组件对于第二处理组件的发送分组信息，确定针对第二处理组件的第一脉冲序列；根据第一脉冲序列，生成针对第二处理组件的第一事件信息，第一事件信息中包括第一脉冲序列的编码数据及时间戳；向第二处理组件发送第一事件信息。根据本公开的实施例能够降低每个事件信息传输的消耗，并实现较高的事件传输效率。
- 数据处理方法、核心、系统、电子设备及计算机可读介质-202111629004.2
- 吴臻志;祝夭龙 - 北京灵汐科技有限公司
- 2021-12-28 - 2023-06-30 - G06N3/06
- 本公开提供了一种数据处理方法，在核心设置至少两个缓存，在接收到数据包后，获取数据包中包括轴突标识的轴突事件，根据预设的缓存标识与轴突标识之间的第一映射关系，将轴突事件存储在轴突标识对应的缓存中。通过在核心中设置多个缓存，各个缓存可以分别、同步存储轴突事件，实现数据并行处理，提高数据处理速度。本公开还提供一种核心、系统、电子设备及计算机可读介质。
- 集成电路元件及电路-201910160095.6
- 郝中蓬 - 南亚科技股份有限公司
- 2019-03-04 - 2023-06-30 - G06N3/06
- 本公开提供一种集成电路元件及电路。该集成电路元件包括一测量电路以及一分类器电路。该测量电路经配置以获取一实际电压。该分类器电路经配置以：通过比较一预设电压和该实际电压来产生关于一不成熟分类的信息；接收关于一参考分类的信息，该参考分类是通过人工比较该预设电压和该实际电压获得的；基于该不成熟分类和该参考分类，将该预设电压更新为一经学习电压；以及基于该经学习电压，产生经配置以调整回转率的预测。
- 一种适用于二值卷积神经网络计算的存内计算装置-201911067669.1
- 刘诗玮;陈迟晓;张怡云;史传进 - 复旦大学
- 2019-11-05 - 2023-06-27 - G06N3/06
- 本发明属于集成电路技术领域，具体为一种适用于二值卷积神经网络计算的存内计算装置。本装置包括：基于静态随机存储器的存内计算阵列，用于实现向量间异或运算；一个多输入加法树，用于对不同输入通道内的异或结果进行累加；一个暂存中间结果的存储单元；一个更新中间结果的累加器组；一个后处理量化单元，用于将高精度的累加结果量化为1位输出特征值；一个控制单元，用于控制计算流程和数据流向。本发明发明能在存储输入数据同时完成二值神经网络中的异或运算，避免了存储单元与计算单元之间频繁的数据交换，从而提高了计算速度，减少了芯片功耗。
- 频率调整装置、处理核、众核系统和工作方法-202111574269.7
- 吴臻志;祝夭龙 - 北京灵汐科技有限公司
- 2021-12-21 - 2023-06-23 - G06N3/06
- 本公开提供了一种频率调整装置，其包括至少一个频率调整模块，每个频率调整模块包括：多个神经元，包括第一神经元，以及依次串接的第二神经元和多个第三神经元；多个门控单元，包括连接于第二神经元的输出端与第一神经元的输入端之间的第一门控单元，以及分别连接在每个第三神经元的输出端与第一神经元的输入端之间的多个第二门控单元；门控信号生成单元，用于根据第二神经元的输入端的输入信号和所需的输出信号生成门控信号，独立地控制各门控单元的通断状态，以使频率调整模块形成频率调整电路；频率调整电路用于根据第二神经元的输入端的输入信号，使第一神经元的输出端产生所需的输出信号。本公开还提供了一种处理核、众核系统和工作方法。
- 一种模型处理方法及装置-202110454504.0
- 何轲 - 华为技术有限公司
- 2021-04-26 - 2023-06-09 - G06N3/06
- 本申请提供了人工智能领域中的一种模型处理方法及装置。本申请用于解决现有的AI框架不够灵活的问题。该方法主要包括：获取机器学习模型；机器学习模型中包括标识位；确定机器学习模型中第一算子的算子队列；第一算子为机器学习模型中与标识位对应的算子；确定算子队列的第一计算图；根据第一计算图训练机器学习模型。本申请应用于训练机器学习模型。
- 多房室神经元模型运算的装置和方法、计算机可读介质-202111441571.5
- 吴臻志 - 北京灵汐科技有限公司
- 2021-11-30 - 2023-06-02 - G06N3/06
- 本公开提供了一种多房室神经元模型运算的装置，其包括耦合单元和与耦合单元连接的多个运算单元；其中，每个所述运算单元用于以其对应的每个房室为一个虚拟神经元运算得到房室的初始膜电位；同一多房室神经元模型的多个房室对应不同运算单元；所述耦合单元用于获取各运算单元得到的初始膜电位，根据同一多房室神经元模型的各房室的初始膜电位运算得到各房室的最终膜电位，并将所述最终膜电位发送至各房室对应的运算单元。本公开还提供了一种多房室神经元模型运算的方法、电子设备、计算机可读介质。
- 专利分类
