-
公开(公告)号：CN110580519A
公开(公告)日：2019-12-17
申请号：CN201910762642.8
申请日：2019-08-19
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种卷积运算结构及其方法。所述卷积运算结构，包括转换单元结构，所述转换单元结构包括：第一寄存器组、第二寄存器组、乘法器、加法器、中间结果寄存器组，其中，所述第一寄存器组和所述第二寄存器组被控制为，在第一回合计算过程中，对由它们所分别存储的第一矩阵和第二矩阵通过所述乘法器和加法器执行矩阵乘法，并将通过所述矩阵乘法得到的第一结果矩阵存储至所述中间结果寄存器组；并且所述第二寄存器组和所述中间结果寄存器组被控制为，在第二回合计算过程中，对由它们所分别存储的第三矩阵以及所述第一结果矩阵通过所述乘法器和加法器执行矩阵乘法，并将通过所述矩阵乘法得到的第二结果矩阵存储至所述第一寄存器组。
-
公开(公告)号：CN110222846A
公开(公告)日：2019-09-10
申请号：CN201910393609.2
申请日：2019-05-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种面向互联网终端的信息安防方法及信息安防系统，其中，信息安防方法适用于用户的终端设备，信息安防方法包括：步骤1，终端设备获取用于检测有害信息的信息识别模型的离线训练结果，并根据该离线训练结果，初始化或更新信息识别模型的参数和权重；步骤2，终端设备接收外部的信息数据，并根据信息数据的数据种类，生成信息数据的待检测样本，并根据信息识别模型、参数以及权重，利用前向运算，检测待检测样本，生成信息识别结果；步骤3，终端设备根据信息识别结果，对接收到的信息数据进行处理。通过本发明的技术方案，有效阻止了有害信息的传播至用户，解决了由于数据量过大而导致云端或服务器端或路由器端信息处理遗漏问题。
-
公开(公告)号：CN108510065A
公开(公告)日：2018-09-07
申请号：CN201810275313.6
申请日：2018-03-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种应用于长短时记忆神经网络的计算装置和计算方法。该计算装置包括：计算单元，用于执行长短时记忆神经网络的遗忘门函数、输入门函数、输出门函数以及记忆单元状态的计算；向量计算单元，用于基于长短时记忆神经网络的上一时刻的记忆单元状态值向量和计算获得的当前时刻的遗忘门值向量、当前时刻的输入门值向量、当前时刻的输出门值向量和当前时刻的记忆单元的即时状态值向量获得长短时记忆神经网络的当前时刻的输出值向量以及当前时刻的记忆单元状态值向量。根据本发明的计算方法和计算装置能够提高长短时记忆神经网络的资源利用率和计算效率。
-
公开(公告)号：CN108376285A
公开(公告)日：2018-08-07
申请号：CN201810244102.6
申请日：2018-03-23
Applicant: 中国科学院计算技术研究所
IPC: G06N3/063
Abstract: 本发明涉及一种面向多变异体LSTM的神经网络加速器，包括存储单元，用于存储LSTM或其变异体网络的神经元数据和权值数据并输出；矩阵乘法单元，用于从所述存储单元接收数据并针对所述接收的数据执行向量乘累加运算并输出运算结果；多功能运算单元，用于从所述向量乘法运算单元接收数据，并针对所述接收的数据执行与LSTM或其变异体网络对应的特定运算并输出运算结果；激活单元，用于从所述多功能运算单元和所述存储单元接收数据，并针对所述接收的数据执行激活操作并输出激活结果；向量平行乘法与加法单元，用于从所述激活单元和所述存储单元接收数据，并针对所述接收的数据执行乘法和累加操作。
-
公开(公告)号：CN107944545A
公开(公告)日：2018-04-20
申请号：CN201711102485.5
申请日：2017-11-10
Applicant: 中国科学院计算技术研究所
IPC: G06N3/04
CPC classification number: G06N3/0454
Abstract: 本发明提供了一种应用于神经网络的计算方法和计算装置。该计算方法包括以下步骤：获取仅包含数值1和-1权重的二值卷积核；将所述二值卷积核分解为初始卷积核和特征卷积核，其中，所述初始卷积核和所述特征卷积核与所述二值卷积核的维数相同，所述初始卷积核是由数值为1的权重构成的矩阵，所述特征卷积核是相对于所述二值卷积核保留了数值为-1的权重所形成的矩阵；基于所述初始卷积核和所述特征卷积核执行神经网络中的卷积计算。利用本发明的计算方法和计算装置能够提高卷积计算的效率并节省存储电路的开销。
-
Patent Agency Ranking
公开(公告)号：CN107918794A
公开(公告)日：2018-04-17
申请号：CN201711127564.1
申请日：2017-11-15
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种神经网络处理器。该处理器包括：至少一个计算单元，由主处理器和计算阵列构成，其中，所述计算阵列由多个处理单元组织为行列二维矩阵形式，所述主处理器控制将神经元数据和权重值加载至所述计算阵列，接收到所述神经元数据和权重值的处理单元进行乘累加运算并将所述神经元数据与权重值沿不同方向传递给下一级处理单元；以及控制单元，用于控制所述计算单元执行神经网络的相关计算。利用本发明的计算装置能够加快神经网络的计算速度并降低计算过程中对带宽的需求。
-
公开(公告)号：CN107622305A
公开(公告)日：2018-01-23
申请号：CN201710733525.X
申请日：2017-08-24
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种用于神经网络的处理器，该处理器包括：存储单元，其用于存储数据和指令；控制单元，其用于获得保存在所述存储单元的指令并发出控制信号；计算单元，其用于从所述存储单元获得神经网络中的一层的节点值和对应的权重值以获得下一层的节点值，其中，当至少待计算元素之一小于阈值时，该计算单元不执行该计算元素的乘法操作，所述待计算元素包括节点值和权重值。利用本发明的处理器，能够提高神经网络的计算效率并节省功耗。
-
公开(公告)号：CN107578098A
公开(公告)日：2018-01-12
申请号：CN201710777741.4
申请日：2017-09-01
Applicant: 中国科学院计算技术研究所
IPC: G06N3/063
Abstract: 本发明提供一种神经网络处理器，包括控制单元、计算单元、数据存储单元和权重存储单元，所述计算单元在控制单元的控制下分别从数据存储单元和权重存储单元获取数据和权重进行神经网络相关的运算，其中所述计算单元包括阵列控制器和以脉动阵列方式连接的多个处理单元，数据和权重从不同方向至该由处理单元构成的脉动阵列中，各处理单元同时并行地对流经它的数据进行处理。该神经网络处理器可以达到很高的处理速度；同时多次重用了输入数据，由此可在消耗较小的访存带宽的情况下实现较高的运算吞吐率。
-
公开(公告)号：CN107273090A
公开(公告)日：2017-10-20
申请号：CN201710311756.1
申请日：2017-05-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了用于神经网络处理器的近似浮点乘法器及浮点数乘法。该近似浮点乘法器在执行操作数的尾数乘法操作时根据指定的精度从各操作数尾数高位开始截取部分位并在所截取的部分位前后补1得到两个新的尾数，对这两个新的尾数进行乘法运算，以得到乘积的近似尾数，以及在经规格化后的近似尾数的低位补零使其位数与操作数的尾数位数一致从而得到所述乘积的尾数。该近似浮点乘法器采用近似计算的方式，根据精度需求截取尾数的不同位数进行相应乘法操作，降低了乘法操作的能量损耗，提高了乘法运算速度，进而使得神经网络处理系统性能更加高效。
-
公开(公告)号：CN106844985A
公开(公告)日：2017-06-13
申请号：CN201710066204.9
申请日：2017-02-06
Applicant: 中国科学院计算技术研究所
CPC classification number: G06F17/5009 , B25J9/1664
Abstract: 本发明提出一种高自由度机器人逆运动学的快速求解方法及系统，该方法包括步骤1，将关节变量θ带入机器人运动学方程中，获得雅克比矩阵J，将所述雅克比矩阵J进行转置，获得雅克比转置矩阵JT；步骤2，生成一组投机值，为每个投机值计算相应的关节变量更新值，将每个关节变量更新值带入机器人正运动学方程中，获得相应的位姿Pk，为每个位姿Pk计算其与目标位姿P的位姿偏差Δek，及位姿偏差Δek的模errork；步骤3，在模errork的集合中选取最小值errormin，及其对应的位姿偏差Δemin与关节变量更新值Δθmin，并更新位姿偏差为Δe＝Δemin，更新关节变量θ＝θ+Δθmin；步骤4，判断errormin是否满足errormin
-
-
-
-
-
-
-
-
-
Search Results
190
records
(took 0.11 seconds)
