-
公开(公告)号：CN116681115A
公开(公告)日：2023-09-01
申请号：CN202310665788.7
申请日：2023-06-07
Applicant: 安徽大学
IPC: G06N3/063 , G06F30/367 , G06F30/27
Abstract: 本发明公开了一种基于忆阻器的径向基神经元实现方法及设备，涉及忆阻器技术领域，方法包括以下步骤：接收神经元电路的输入电压；将输入电压输送至预先建立的绝对值模块电路内，得到幅值为非负的电压信号；将幅值为负的电压信号输入预先建立的反向放大器模块内，得到反向电压；将反向电压和偏置模块提供的偏置电压通过求和模块输入至径向基神经元模块电路，得到不同频率的输出信号；通过不同频率的输出信号的叠加，得到高斯函数，以实现径向基神经元；本发明可以有效地以聚类的形式清理输入数据，防止黑箱攻击。
-
公开(公告)号：CN116523014A
公开(公告)日：2023-08-01
申请号：CN202310438361.3
申请日：2023-04-23
Applicant: 安徽大学
Abstract: 本发明公开了一种可片上学习的物理RC网络的实现装置及方法，属于忆阻器类脑计算系统领域。本发明是基于下一代RC网络，对其进行硬件实现，解决了传统RC网络运算并行度不高。本发明的全硬件RC网络，不是简单权重映射后，再进行数据分类，还可以进行原位训练，这样可以提高网络因为器件的非线性导致的噪声的容忍程度，并且可以针对外界环境的变化，自适应的做出改变。
-
公开(公告)号：CN119907390A
公开(公告)日：2025-04-29
申请号：CN202510054596.1
申请日：2025-01-14
Applicant: 安徽大学
Abstract: 本发明公开一种基于MoS2的双极性离子门控晶体管及其制备方法，属于半导体设计领域；晶体管包括导电衬底、设置在导电衬底上的绝缘介质层、设置在绝缘介质层上的栅电极、源电极和漏电极、设置在源电极和漏电极上的二维材料层、以及设置在二维材料层、源电极、漏电极以及栅电极上的离子液体；其中，二维材料层材料采用MoS2。采用二硫化钼作为半导体通道层，采用离子液体作为电介质层，离子液体上层通常起到顶栅的作用，在低外加电压下可以方便地形成纳米级厚度的双电层，可以表现出极大的栅极电容，因此可以显着降低工作栅极电压。
-
公开(公告)号：CN119004557A
公开(公告)日：2024-11-22
申请号：CN202411022438.X
申请日：2024-07-29
Applicant: 安徽大学
Abstract: 本发明公开一种基于可重构忆阻器的加密电路及图像加密方法，属于集成电路设计领域；加密电路包括可重构单元和真随机数生成电路；可重构单元包括第一可重构忆阻器、第二可重构忆阻器和N型晶体管，第一可重构忆阻器、第二可重构忆阻器反向并联后再与N型晶体管串联；可以实现异或逻辑操作；真随机数生成电路采用可重构单元作为随机源，包括相互串联的比较器和1比特计数器；本发明简化了加密电路的设计、减小了占用空间、提高了系统的利用率。
-
公开(公告)号：CN118313421A
公开(公告)日：2024-07-09
申请号：CN202410273336.9
申请日：2024-03-11
Applicant: 安徽大学
IPC: G06N3/047 , G06N3/063 , G06N3/049 , G06N3/0495
Abstract: 本发明公开了一种基于忆阻器的表示Sigmoid概率分布方法及系统，涉及忆阻器技术领域，包括以下步骤：接收从忆阻器单元内提取的sigmoid曲线，将sigmoid曲线标记为概率存储S型曲线；接收输入数据，将输入数据量化为概率值，并标记为先验概率；将先验概率通过概率存储S型曲线映射为相应的栅端电压值，将栅端电压值存储至节点忆阻器阵列，并标记为存储概率值；对存储概率值进行量化得到电压信号，将电压信号输入至权重忆阻器阵列，得到输出电流，将输出电流输入下一个节点，从而实现Sigmoid信念网络，本发明能利用1T1R单元晶体管的限流作用直接表示sigmoid概率分布，同时用栅端存储概率值。
-
Patent Agency Ranking
公开(公告)号：CN117852662A
公开(公告)日：2024-04-09
申请号：CN202410036885.4
申请日：2024-01-10
Applicant: 安徽大学
IPC: G06N10/20 , G06N3/0464 , G06N3/08 , G06N5/04 , G06N3/063
Abstract: 本发明公开一种基于变分量子电路的忆阻器神经形态计算优化方法，属于量子计算技术领域；计算优化方法包括：收集分类好的图像数据；对图像数据进行预处理；基于Alexnet模型，将Alexnet模型的最后两层全连接层换成量子变分模块，并在量子电路的前后各添加一个忆阻器全连接层，得到量子经典混合模型；将Alexnet的权重参数导入量子经典混合模型，处理好的图像数据导入量子经典混合模型进行训练，提取得到前、后忆阻器全连接层的权重参数、偏置参数以及输入信号；将提取权重参数、偏置参数以及输入信号映射到忆阻器阵列之中，用忆阻器阵列进对神经网络进行推理，得到最终结果；不仅提高了计算效率，也降低了能耗，为未来的智能计算设备提供了新的可能性。
-
公开(公告)号：CN117437481A
公开(公告)日：2024-01-23
申请号：CN202311495995.9
申请日：2023-11-10
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/80 , G06V10/44 , G06N3/049 , G06N10/20
Abstract: 本发明公开了一种脉冲神经网络与量子电路协同图像分类方法及系统，涉及计算机视觉和量子机器学习技术领域，通过将脉冲神经网络和量子电路各自生成的特征向量合并，实现了更全面和准确的特征信息提取，从而显著提高了图像分类的准确性。此方法的另一个关键优势在于其能够更好地捕捉图像中的动态特征，从而提高了对复杂图像的分类能力。此外，结合脉冲神经网络和量子电路的优势，一方面使得特征数据更接近生物大脑的信息处理方式，同时也获得了更高维度的特征信息。这种综合方法还增强了对噪声和变形等干扰的抵抗能力，提高了在复杂环境下的图像分类性能。
-
-
公开(公告)号：CN115759239A
公开(公告)日：2023-03-07
申请号：CN202211225039.4
申请日：2022-10-09
Applicant: 安徽大学
IPC: G06N3/084 , G06N3/006 , G06V10/774 , G06V10/82 , G11C13/00
Abstract: 本发明公开一种解决反向传播的神经网络训练方法，属于神经网络训练领域；训练方法步骤包括：S1，搭建忆阻器阵列；S2，将图片预处理为相应电压，并可作为输入信号向忆阻器阵列输入；S3，将图片预处理信号输入忆阻器阵列，先对单个图片进行训练，再对相同数字多个图片进行训练，得到数字对应的最有权重；S4，将不同数字的图片进行S2中的预处理操作，再按照S3，得到不同数字对应的最优权重；S5，将S3、S4训练所得到的不同数字所对应的最优权重组成最优忆阻器阵列，再将数字图片输入到最优忆阻器阵列中，输出值与目标值差的绝对值最小的列作为最终数字判断。
-
公开(公告)号：CN119992277A
公开(公告)日：2025-05-13
申请号：CN202411816714.X
申请日：2024-12-11
Applicant: 安徽大学
Abstract: 本发明公开一种基于RBF‑QGAN的图像处理方法及系统，属于量子生成模型领域；方法包括：获取图像数据，并进行预处理，得到离散样本数据；构建包括鉴别器和生成器的RBF‑QGAN，鉴别器采用径向基网络，生成器采用变分量子电路；生成器接收离散样本，学习输入生成概率分布，并利用量子电路生成输出概率分布；鉴别器接收生成器输出的数据，并判断真实性；将生成器学习生成出的生成概率分布和离散样本数据都输入鉴别器中，通过径向基网络对样本进行特征提取，判断数据样本的真实性；通过交叉熵损失函数进行训练并通过Adam优化器进行参数优化，再传入生成器和鉴别器中训练，直至训练损失收敛到纳什平衡；优化训练结束后，输出生成器生成的图像数据样本。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.021 seconds)
