-
公开(公告)号:CN117079296A
公开(公告)日:2023-11-17
申请号:CN202310700901.0
申请日:2023-06-14
Applicant: 安徽大学
IPC: G06V30/244 , G06V30/18 , G06V10/82 , G06N3/0464 , G06N3/063 , G06N3/08
Abstract: 本发明公开了一种基于忆阻器的手写数字识别方法及系统,涉及忆阻器技术领域,包括:接收输入手写数字图片数据,将输入手写数字图片数据进行卷积操作得到特征图数据,将特征图数据转为多维数组模式,标记为多维特征数据;将多维特征数据按列划分,并对每个多维特征数据分配一个权重系数,将对应列的多维特征数据与对应列的权重系数进行乘加,得到所有列的计算结果;将所有列的计算结果与对应列的多维特征数据进行乘加,得到计算结果阵列;将计算结果阵列的数据按列分配概率,得到每列数据所对应的概率系数,将概率系数映射至忆阻器阵列内,以特征图数据输入忆阻器阵列,得到输出结果;将输出结果返回计算机,从而完成手写数字图片的识别任务。
-
公开(公告)号:CN113658493B
公开(公告)日:2023-05-02
申请号:CN202110962416.1
申请日:2021-08-20
Applicant: 安徽大学
IPC: G09B23/18
Abstract: 本发明公开一种用于模拟联想记忆的强化学习仿生电路架构,所述电路架构包括MUX,所述MUX上连接有突触模块、控制模块和输出模块,突触模块包括用于模拟输入神经元的方波电压信号,方波电压信号为2n个,其中,n为大于1的整数,控制模块包括控制信号,控制信号为可以为n个,n和控制信号可强化形成2n种不同类型的强化控制信号代表学习方法强化的人群刺激进入2n个突触模块。本发明强化学习仿生电路架构是基于巴甫洛夫联想记忆以及非联想记忆的,它更真实地模拟了人类记忆的特点,这与我们人类的记忆是一致的;通过输入模拟输入神经元的方波电压信号,通过设置控制信号模拟学习方法强化的人群,能够更加全面的模拟人的学习过程。
-
公开(公告)号:CN114048846A
公开(公告)日:2022-02-15
申请号:CN202111298080.X
申请日:2021-11-04
Applicant: 安徽大学
IPC: G06N3/063 , G06N3/08 , G06F40/284
Abstract: 本发明公开了一种实现文本分析的BI‑GRU神经网络电路及训练方法和使用方法,该电路包括两个方向相反且时间维度相同的GRUCell,分别记为正向GRUCell和反向GRUCell;所述正向GRUCell的输出与所述反向GRUCell的输出进行叠加,然后输出到所述全连接层电路模块。本发明解决了现有GRU电路无法在正反两个方向对目标进行训练的问题,能够实现两个相反方向的时间维度的序列预测,而且在将其用于文本预测时展现出较高的准确率和较好的计算效率。
-
公开(公告)号:CN113971749A
公开(公告)日:2022-01-25
申请号:CN202110960665.7
申请日:2021-08-20
Applicant: 安徽大学
IPC: G06V10/774 , G06N3/063 , G06N3/08
Abstract: 本发明涉及芯片应用领域,公开了一种基于忆阻器的全硬件神经网络实现图像识别装置,所述装置包括:输入模块一、输入模块二和权重模块,所述输入权重模块包括忆阻器和两个反向放大电路,且忆阻器与两个反向放大电路依次电性连接,所述输入模块二输出端连接有减法器,本发明使用忆阻器做为权重,实现存内运算,摆脱了冯诺依曼的存储墙限制,且本发明将忆阻器和两个模拟8选1选择器结合,实现无主机学习,且读写方便。
-
公开(公告)号:CN113948637A
公开(公告)日:2022-01-18
申请号:CN202111131696.8
申请日:2021-09-26
Applicant: 安徽大学 , 合肥市微电子研究院有限公司
IPC: H01L45/00
Abstract: 本发明公开了一种改善RRAM随机性的阻变存储单元及其制备方法,该阻变存储单元包括下电极、阻变层和上电极,在下电极与阻变层之间和/或在阻变层与上电极之间设有复合增强层;所述复合增强层由电场增强层和热阻挡层组成;所述复合增强层的一部分区域为电场增强层,其余区域为热阻挡层;当在下电极与阻变层之间设有所述复合增强层时,所述电场增强层连通所述下电极和所述阻变层;当在阻变层与上电极之间设有所述复合增强层时,所述电场增强层连通所述阻变层和所述上电极。本发明解决了与阻变存储单元导电通路形成和断裂强烈相关的电场和焦耳热的随机性问题,使导电通路的形成与断裂只发生在特定的区域,有效改善了阻变存储器单元的随机性问题。
-
公开(公告)号:CN113469348A
公开(公告)日:2021-10-01
申请号:CN202110684264.3
申请日:2021-06-21
Applicant: 安徽大学
IPC: G06N3/063
Abstract: 本发明公开了一种联想记忆中多次泛化和分化的神经形态电路,包括三个输入信号端IN1、IN2、IN3,一个总输出信号OUT,输入信号端IN1、IN2、IN3定义为三个前神经元,前神经元IN1对应巴甫洛夫联想记忆中的非条件反射信号,前神经元IN2和IN3对应条件反射信号;输入信号经处理后得到对应的三个输出信号OUT1、OUT2、OUT3,再经或门U12后得到总输出信号OUT;其中,或门U12定义为后神经元,总输出信号OUT为后神经元接受刺激后发出的信号。上述电路能仿生巴甫洛夫联想记忆中的多次泛化和彻底分化现象,也能仿生传统巴甫洛夫联想记忆中的学习和遗忘现象,具有广阔的应用前景。
-
公开(公告)号:CN102592660B
公开(公告)日:2014-08-27
申请号:CN201210036104.9
申请日:2012-02-17
Applicant: 安徽大学
IPC: G11C11/413
Abstract: 一种单端操作的亚阈值存储单元电路,设有两个PMOS管P1、P2及七个NMOS管N1~N7,P1及P2的体端均分别与各自的源级连接后与电源电压Vdd连接,七个NMOS管N1~N7的体端以及N1、N2、N7的源极均接地,N3的栅极与行写控制信号RWR连接,N4的栅极与列写控制信号CWR连接,N2与P2组成一个反相器,其输出端连接到N2和P2的栅极,其输入端连接到P1的漏极,N5的栅极与读字线RWL连接,N5的漏极与读位线RBL连接,N6的源级与写位线WBL连接,N6的栅极与写字线WWL连接。
-
公开(公告)号:CN102592659A
公开(公告)日:2012-07-18
申请号:CN201210035887.9
申请日:2012-02-17
Applicant: 安徽大学
IPC: G11C11/40
Abstract: 一种高密度、高鲁棒性的亚阈值存储电路,包括四个PMOS管P0~P3,六个NMOS管N0~N5,其中PMOS管P0与NMOS管N0,PMOS管P1与NMOS管N1以及PMOS管P2与NMOS管N2分别组成第一、二、三共三个反相器,第一、二反相器与NMOS管N4管组成交叉耦合的反相器链,第一反相器的输入连接第二反相器的输出,第二反相器的输入连接NMOS管N4的漏端,N4的源端连接第一反相器的输出,第一反相器的输出连接第三反相器的输入,第三个反相器的输出连接NMOS管N5的源端,N5的漏端连接读位线RBL,第二个反相器的输入连接到PMOS管P3、NMOS管N3组成的传输门的输出端,而传输门的输入端接写位线WBL,PMOS管P0~P3、NMOS管N3~N5管衬底与栅连接。
-
公开(公告)号:CN119922956A
公开(公告)日:2025-05-02
申请号:CN202510013358.6
申请日:2025-01-06
Applicant: 安徽大学
Abstract: 本发明公开基于异质结的高开关比整流率的气隙晶体管及其制备方法,属于晶体管技术领域;基于异质结的高开关比整流率的气隙晶体管包括:导电衬底,导电衬底上端设置有绝缘介质层,绝缘介质层上端设置有源电极,源电极上端设置有第一个二维材料层,第一个二维材料层上设置有第二个二维材料层,作为漏电极;所述第一个二维材料层采用MoS2,源电极材质为铂,第二个二维材料层采用石墨烯,MoS2与铂接触形成高肖特基势垒,有助于提高整流能力;并且将MoS2与石墨烯结合,可以形成具有更高载流子迁移率的异质结,这对提高场效应晶体管(FETs)的开关速度和降低功耗至关重要。
-
公开(公告)号:CN114021712B
公开(公告)日:2025-04-15
申请号:CN202111367056.7
申请日:2021-11-18
Applicant: 安徽大学
IPC: G06N3/063 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06V20/00 , G06V10/82
Abstract: 本发明公开了一种实现彩色图像识别的ConvGRU神经网络电路及训练方法,该电路包括卷积神经网络模块、GRUCell电路模块和全连接层电路模块;所述卷积神经网络模块的输出与所述GRUCell电路模块的输入连接,并且所述GRUCell电路模块的输出与所述全连接层电路模块连接。本发明解决了现有GRU硬件电路无法对图像进行有效特征提取的问题,大幅提升了GRU电路在图像识别方面的准确率,以软件3层卷积神经网络和1层硬件GRUCell电路模块可以达到18层卷积神经网络的水平,而且避免了硬件18层卷积神经网络占用硬件空间过大的问题,具有极高的可实用性。
-
-
-
-
-
-
-
-
-