“神经网络单元”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果2441375个，建议您升级VIP下载更多相关专利

[发明专利]神经网络单元-CN202180012051.4在审
发明人：承桓·宋 -专利权人：安纳富来希股份有限公司
申请日： 2021-02-02 - 公布日： 2022-09-06 - 主分类号： G06N3/063 文献下载
摘要：本发明提供了一种神经网络单元。所述神经网络单元包括：主突触数组，其具有在数组的行和列中的多个主突触，其分别连接至与神经网络单元相关联的一个或多个位线；主突触驱动器，用以施加输入至行中的一个或多个主突触；参考突触，用以产生特定输出至选定的一个或多个相关联的位线
神经网络单元

[发明专利]神经网络单元-CN201711029711.1有效
发明人： G·葛兰·亨利;金·C·霍克;帕尔维兹·帕朗查尔 -专利权人：上海兆芯集成电路有限公司
申请日： 2017-10-27 - 公布日： 2021-04-16 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及神经网络单元，其中第一/第二存储器系装载由N个权重/数据字构成之列。N个处理单元中之处理单元J包含第一/第二寄存器，算术单元与第一/第二多路复用逻辑电路。算术单元执行运算以产生结果。第一多路复用逻辑电路对于处理单元0至(N/2)‑1而言系接收第一存储器之权重字J与J+(N/2)，对于处理单元N/2至N‑1而言系接收第一存储器之权重字J与J‑(N/2)，选定输出至第一寄存器。第二多路复用逻辑电路系接收第二存储器之数据字J，接收处理单元J‑1之第二寄存器之数据字，选定输出至第二寄存器。处理单元0与N/2之第二多路复用逻辑电路并分别接收处理单元(N/2)‑1与N‑1之第二寄存器之数据字。
神经网络单元

[发明专利]神经网络单元-CN201711025871.9有效
发明人： G·葛兰·亨利;金·C·霍克 -专利权人：上海兆芯集成电路有限公司
申请日： 2017-10-27 - 公布日： 2022-02-25 - 主分类号： G06N3/04 文献下载
摘要：N个处理单元(PU)，每一个具有算术单元(AU)，所述算术单元在第一输入、第二输入和第三输入上执行运算以生成存储在累加器中的结果，累加器具有提供给第一输入的输出。权重输入由AU的第二输入接收。
神经网络单元

[发明专利]神经网络单元-CN202010528215.6有效
发明人：道格拉斯·R·瑞德;G·葛兰·亨利;金·C·霍克;帕尔维兹·帕朗查尔 -专利权人：上海兆芯集成电路有限公司
申请日： 2018-04-11 - 公布日： 2023-04-07 - 主分类号： G06N3/063 文献下载
摘要：本发明涉及一种神经网络单元，包括多个硬件处理单元的阵列。各硬件处理单元包括：累加器；乘加器，其用于在第一输入和第二输入上接收相应的第一因子和第二因子、并且在第三输入上接收加数，乘加器产生第一因子和第二因子的乘积与加数的总和、并将总和提供于乘加器的输出上；第一复用器
神经网络单元

[发明专利]神经网络单元-CN202010528213.7有效
发明人：道格拉斯·R·瑞德;G·葛兰·亨利;金·C·霍克;帕尔维兹·帕朗查尔 -专利权人：上海兆芯集成电路有限公司
申请日： 2018-04-11 - 公布日： 2023-04-28 - 主分类号： G06N3/063 文献下载
摘要：本发明涉及一种神经网络单元，包括N个硬件处理单元的阵列。各硬件处理单元包括：累加器；乘加器，其用于在第一输入和第二输入上接收相应的第一因子和第二因子、并且在第三输入上接收加数，乘加器产生第一因子和第二因子的乘积与加数的总和、并将总和提供于乘加器的输出上；第一复用器
神经网络单元

[发明专利]语音唤醒方法、智能终端以及芯片-CN202310289276.5在审
发明人：严勇显;赖钦伟 -专利权人：珠海一微半导体股份有限公司
申请日： 2023-03-23 - 公布日： 2023-06-30 - 主分类号： G10L15/16 文献下载
摘要：本申请公开了一种语音唤醒方法、智能终端以及芯片，所述方法包括：步骤S1，智能终端采集声音信号，然后传输给第一神经网络单元，如果第一神经网络单元检测到唤醒信息，则进入步骤S2；步骤S2，智能终端提取涉及到唤醒信息的相关声音信号并传输给第二神经网络单元，如果第二神经网络单元同样检测到唤醒信息，则根据唤醒信息唤醒智能终端相应的功能；其中，第一神经网络单元和第二神经网络单元经过强化训练，均用于检测声音信号中是否包含唤醒信息；其中，第一神经网络单元的功耗小于第二神经网络单元，第二神经网络单元检测唤醒信息的准确率大于第一神经网络单元。所述方法由于不需要时刻调用功耗较大的第二神经网络单元，大大提高了能耗比。
语音唤醒方法智能终端以及芯片

[发明专利]生成较大神经网络-CN201680066508.9在审
发明人：伊恩·古德费洛;陈天奇;乔纳森·什连斯 -专利权人：谷歌有限责任公司
申请日： 2016-11-11 - 公布日： 2018-08-31 - 主分类号： G06N3/04 文献下载
摘要：一种用于从较小神经网络生成较大神经网络的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。在一个方面，一种方法包括：获得指定原始神经网络的数据；从原始神经网络生成较大神经网络，其中，较大神经网络具有较大神经网络结构，其包括多个原始神经网络单元和多个不在原始神经网络结构中的附加神经网络单元；初始化原始神经网络单元和附加神经网络单元的参数的值，使得较大神经网络从与原始神经网络相同的输入生成相同的输出；以及训练较大神经网络以从初始化值确定原始神经网络单元和附加神经网络单元的参数的训练值。
神经网络原始神经神经网络单元网络单元初始化计算机存储介质神经网络结构计算机程序输入生成网络结构网络生成网络输出

[发明专利]一种并行竞争神经网络芯片的优化方法和装置-CN201810015066.6有效
发明人：廖裕民;陈继晖 -专利权人：福州瑞芯微电子股份有限公司
申请日： 2018-01-08 - 公布日： 2020-06-19 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种并行竞争神经网络芯片的优化方法和装置，所述装置包括缓存单元、多个可重构网络矩阵单元、取数单元、主控单元。所述方法包括以下步骤：可重构网络矩阵单元根据主控单元发送的初始参数配置信息，获取缓存单元中的各个参数元素，构建出相应的神经网络单元；神经网络单元进行神经网络训练，主控单元根据神经网络单元的训练结果不断地淘汰训练结果最差的神经网络单元，并将淘汰的神经网络的电路资源(即参数元素)重新分配给未淘汰的神经网络,直至剩余的神经网络单元数量不大于预设数量值，剩余的神经网络单元具有最优的电路资源，可以高效地进行神经网络计算，提高识别效率。
一种并行竞争神经网络芯片优化方法装置

[发明专利]神经网络量化方法及装置、电子设备、介质-CN202210589141.6在审
发明人：曲环宇;张伟豪 -专利权人：北京灵汐科技有限公司
申请日： 2022-05-26 - 公布日： 2022-08-16 - 主分类号： G06N3/04 文献下载
摘要：本公开提供了一种神经网络量化方法及装置、电子设备、介质，该方法包括：分别对神经网络中待量化的神经网络单元进行量化，得到目标神经网络单元；针对待量化的任一神经网络单元，将神经网络单元在时间维度上展开，确定神经网络单元的多个时间步的静态数据；对多个时间步的静态数据分别进行量化处理，获得对应的量化数据；对多个时间步的量化数据进行压缩处理，获得多个时间步的共享数据；其中，共享数据的数据量少于静态数据的数据量；将共享数据对应的神经网络单元作为目标神经网络单元根据本公开的实施例能够降低量化的难度，提高神经网络的精度。
神经网络量化方法装置电子设备介质

[发明专利]数据处理方法、相关设备及系统-CN202210370811.5有效
发明人：李纪先;郭御风;马卓;张璐;高鹏飞 -专利权人：飞腾信息技术有限公司
申请日： 2022-04-11 - 公布日： 2022-08-12 - 主分类号： G06N3/04 文献下载
摘要：本申请提供一种数据处理方法、相关设备及系统，方法应用于边缘处理芯片，边缘处理芯片中的硬件可配置多种卷积神经网络单元，卷积神经网络单元用于执行与之匹配的卷积神经网络模型；方法包括：在卷积神经网络单元中，对卷积神经网络模型进行训练，对训练好的卷积神经网络模型进行测试，得到测试结果；在边缘处理芯片中，基于每种卷积神经网络单元对应的测试结果，配置目标卷积神经网络单元，以通过目标卷积神经网络单元执行待处理任务。本申请可以选出相对于边缘处理芯片的资源而言，表现更优的卷积神经网络单元，从而在有限的资源条件下，达到更好的处理效果。
数据处理方法相关设备系统

[发明专利]图像处理方法和装置、电子设备、存储介质-CN201811149858.9有效
发明人：林宸 -专利权人：深圳市商汤科技有限公司
申请日： 2018-09-29 - 公布日： 2021-02-12 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例公开了一种图像处理方法和装置、电子设备、存储介质，其中网络获取方法包括：基于样本数据训练第一神经网络，获得第二神经网络；基于所述第二神经网络中的多个网络单元，确定所述多个网络单元中每个网络单元的强度参数，其中，所述强度参数用于表示所述网络单元的连接重要性；基于所述多个网络单元中每个网络单元的强度参数，去除所述第二神经网络中的至少一个网络单元，获得目标神经网络，通过强度参数衡量网络单元连接的重要性来对网络进行剪枝，有利于获得性能较好的目标神经网络。
图像处理方法装置电子设备存储介质

[发明专利]一种大型神经网络并行优化训练方法-CN202110940061.6在审
发明人：戚建淮;周杰;宋晶;张莉;郑伟范;刁润 -专利权人：成都市以太节点科技有限公司
申请日： 2021-08-17 - 公布日： 2021-11-16 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种大型神经网络并行优化训练方法，所述方法包括以下步骤：步骤1，初始化大型神经网络；步骤2，对大型神经网络进行最优训练，包括对神经网络单元进行单元训练，根据识别率最高的神经网络单元的参数对其余神经网络单元进行迁移训练，对大型神经网络进行整体训练；步骤3，对大型神经网络进行最差淘汰训练，在保持大型神经网络识别率最优的前提下依次淘汰识别率低的神经网络单元。本发明通过对大型神经网络进行最优训练和淘汰训练，能够提升大型神经网络的训练速度和训练效果，同时简化大型神经网络的结构，快速训练出单元最优和整体最优的大型神经网络。
一种大型神经网络并行优化训练方法

[发明专利]多任务学习深度网络的识别方法、系统及设备-CN202210445590.3有效
发明人：杨德顺;罗晓忠;孙海航;肖罗;徐建宇 -专利权人：心鉴智控（深圳）科技有限公司
申请日： 2022-04-26 - 公布日： 2022-07-15 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种多任务学习深度网络的识别方法、系统及设备，其中系统包括：数据识别模型，该数据识别模型是基于神经网络构建的具有第一神经网络和根据任务进行的在第一神经网络内建立的至少一组动态神经网络单元；动态分配模块、监控模块以及资源释放模块，该资源释放模块用于当监控模块监测到新任务学习完毕后，动态神经网络单元所具有的网络资源被释放并重新融合到训练资源集合中，同时所述动态神经网络单元被消除。本申请随着任务的进行，可以在第一神经网络中建立多个动态神经网络单元，随着任务的结束，动态神经网络单元也被消除，这样，随着任务的不断进行，第一神经网络所具有的训练资源不会因大量的无用的动态神经网络单元所占据
任务学习深度网络识别方法系统设备

[发明专利]具有混合协处理器/执行单元神经网络单元的处理器-CN201610863682.8有效
发明人： G·葛兰·亨利;泰瑞·派克斯 -专利权人：上海兆芯集成电路有限公司
申请日： 2016-09-29 - 公布日： 2019-08-30 - 主分类号： G06N3/06 文献下载
摘要：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。
具有混合处理器执行单元神经网络

[发明专利]学习设备和学习方法、识别设备和识别方法、程序和记录介质-CN201880074223.9在审
发明人：宫内由仁;宇田安规男;中出胜宏 -专利权人：日本电气方案创新株式会社
申请日： 2018-11-20 - 公布日： 2020-07-03 - 主分类号： G06N3/08 文献下载
摘要：该学习设备包括：神经网络单元，基于学习对象数据的多个元素值被输入到神经网络单元；以及学习单元，该学习单元训练神经网络单元。神经网络单元具有多个学习元，每个学习元包括：多个输入节点，该多个输入节点对多个元素值中的每个执行预定加权；以及输出节点，该输出节点对多个加权元素值进行求和并输出所述和，并且根据每个学习元的输出值，学习单元更新每个学习元的多个输入节点的加权系数或者向神经网络单元添加新的学习元
学习设备学习方法识别方法程序记录介质

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条