|
钻瓜专利网为您找到相关结果 1358549个,建议您 升级VIP下载更多相关专利
- [发明专利]一种片上学习神经网络处理器-CN201710691146.9有效
-
刘洋;伍元聪;王俊杰;詹稀童;钱堃;于奇
-
电子科技大学
-
2017-08-14
-
2020-11-10
-
G06N3/063
- 本发明公开了一种片上学习神经网络处理器包括数据接口模块、数据预处理模块、数据缓存区模块、神经元权值缓存区模块、随机初始化模块、神经运算单元模块、神经网络前向运算控制模块、激活函数模块、神经状态控制器模块、神经网络学习算法控制模块;神经状态控制器模块控制各单元模块协同工作进行神经网络学习与推理。本发明中的神经运算单元模块采用通用硬件加速运算设计,可编程控制神经网络运算类型及运算规模。设计中加入流水线技术,极大提高数据吞吐率与运算速度,并且重点优化神经运算单元的乘加单元,极大减小硬件面积。本发明对神经网络学习算法进行硬件映射,使得该神经网络处理器即能进行片上学习又能进行离线推理。
- 一种学习神经网络处理器
- [发明专利]一种采用资格迹的神经网络学习控制方法-CN201510304299.4有效
-
刘智斌;刘晓峰
-
曲阜师范大学
-
2015-06-04
-
2017-10-03
-
G05B13/04
- 本发明公开了一种采用资格迹的神经网络学习控制方法,该采用资格迹的神经网络学习控制算法,将BP神经网络应用于强化学习,BP神经网络的模型拓扑结构包括输入层、隐层和输出层,运用资格迹,本方法把局部梯度从输出层传递到隐层,实现隐层权值的更新,能大大提高学习效率;在此基础上采用基于资格迹的残差梯度法,不仅对神经网络输出层进行权值更新,而且对隐层进行了优化权值更新,保证了BP神经网络在强化学习过程中良好的收敛性能。BP神经网络作为强化学习值函数拟合器,其输入层接收状态信息,依据BP神经网络输出层的输出值V和环境反馈的报酬值r,利用TD算法训练BP神经网络,Agent依据输出值V选取行为a,从而实现自适应控制。
- 一种采用资格神经网络学习控制方法
|