-
公开(公告)号：CN112486455B
公开(公告)日：2024-03-19
申请号：CN202011357034.8
申请日：2020-11-27
Applicant: 南京大学
Abstract: 本发明提出一种基于CORDIC方法求复数的N次开根号的硬件计算系统及其计算方法，该系统包括：控制单元使用状态机的方式控制整个系统的运算流程；平面坐标转化极坐标计算单元，用以将待求复数由平面坐标形式转化为极坐标形式；模长计算单元，用以计算待求复数的极坐标形式中的模长的N次开根号；相角计算单元，用以计算待求复数的极坐标形式中的相角的N分之一；极坐标转化平面坐标计算单元，用以将所求得的复数由极坐标形式转化为平面坐标形式并输出。该系统有效地通过拓展所使用的CORDIC计算单元的收敛域来扩展输入范围，其次可以通过调整正向迭代次数灵活地调节计算精度。在信号处理与无线通信等领域中具有广泛的应用。
-
公开(公告)号：CN117195977A
公开(公告)日：2023-12-08
申请号：CN202311353936.8
申请日：2023-10-19
Applicant: 南京大学
Abstract: 本发明公开了一种基于线性STDP的时间编码脉冲神经网络训练方法及系统，包括对输入图像的像素进行归一化处理；采用首脉冲时间编码方案，将归一化后的输入图像像素转换为输入脉冲时间，对所述输入脉冲时间进行排序；运用脉冲响应神经元模型，根据排序后的输入脉冲时间计算输出脉冲时间；采用适应性膜阈值技术，根据输出脉冲时间更新首脉冲神经元膜阈值；采用线性STDP学习规则，根据输入脉冲时间、输出脉冲时间和首脉冲神经元膜阈值更新连接到首脉冲神经元的权重。本发明的计算复杂度显著降低，计算成本低，功耗和面积开销降低，硬件实现更加友好。
-
公开(公告)号：CN116938432A
公开(公告)日：2023-10-24
申请号：CN202310374140.4
申请日：2023-04-10
Applicant: 南京大学 , 上海航天测控通信研究所
Abstract: 发明提供了一个基于同态加密门自举技术的硬件平台及方法，该硬件平台在原TFHE方案的基础上对其算法进行了硬件实现，并给出了具体的硬件架构。该平台能够快速准确的对经过同态运算后噪声达到噪声容限的密文进行噪声刷新，使得其噪声下降以进行后续的同态运算。该发明主要应用于需要快速自举的同态加密的相关应用，例如云上计算、云上神经网络预测等。
-
公开(公告)号：CN113342310B
公开(公告)日：2023-08-22
申请号：CN202110679777.5
申请日：2021-06-18
Applicant: 南京大学
Abstract: 本发明提出了一种应用于格密码的串行参数可配快速数论变换硬件加速器，包括顶层控制模块、数据索引模块、单位根幂次模块、蝶形运算单元模块及蒙哥马利模块。顶层控制模块控制状态转换，数据索引模块对数据存储器进行寻址，单位根幂次模块对单位根的幂次进行存储地址计算，蝶形运算单元模块接收来自存储的数据进行蝶形运算，蒙哥马利模块负责将输入数据转换为蒙哥马利形式以加速后续计算，并将结果转换为正常形式避免发生错误。另外，本发明还可以根据实际需求增加随机数发生器进行冗余运算以防御侧信道攻击。与现有技术相比，本发明运算速度大幅度提高，且参数可配置提高了硬件资源的利用率，同时在保证高性能的基础上兼具了一定的通用性。
-
公开(公告)号：CN115860094A
公开(公告)日：2023-03-28
申请号：CN202211372806.4
申请日：2022-11-03
Applicant: 南京大学
IPC: G06N3/082 , H04L9/00 , G06N3/0464
Abstract: 本发明公开了一种基于同态加密的二值卷积神经网络实现方法及系统，包括：云端对MNIST数据集进行预处理，得到二值图像数据；云端构建明文下二值卷积神经网络模型，训练网络参数；客户端使用TFHE加密方案对二值图像数据进行同态加密，将加密图像数据传输给云端；云端根据训练得到的网络参数，构建一个基于布尔电路或一个基于算术电路的加密神经网络，对加密图像数据进行推理，得到密态结果，传输到客户端；客户端对密态结果进行解密，得到推理结果。本发明将TFHE同态加密算法与二值卷积神经网络结合，构建了一个支持快速门自举技术的加密神经网络，在保护数据隐私性的同时，提高了密文计算速度，缩短了神经网络运行时间。
-
Patent Agency Ranking
公开(公告)号：CN115470889A
公开(公告)日：2022-12-13
申请号：CN202211054665.1
申请日：2022-08-31
Applicant: 南京大学
Abstract: 本发明公开了一种基于强化学习的片上网络自主最优映射探索系统及方法。本发明采用强化学习算法，结合软约束和硬约束，将硬件映射配置问题转化为序列决策问题，得到片上网络加速器的自主最优映射探索系统。对比传统的X/Y方向映射、基于神经网络感知算法映射与基于遗传算法的映射，本发明通过强化学习算法对策略网络与价值网络进行训练，提供的最优硬件映射在通信延迟指标与平均通信吞吐率指标上有不同程度的优化。
-
公开(公告)号：CN115440226A
公开(公告)日：2022-12-06
申请号：CN202211144916.5
申请日：2022-09-20
Applicant: 南京大学
Abstract: 本发明的基于脉冲神经网络的应用于语音关键字识别的低功耗系统包括：外部存储、上位机和脉冲神经网络硬件加速器，其中脉冲神经网络硬件加速器包括存储模块、控制器、调度器以及计算阵列；本发明提出了一种二维坐标存储结构存储脉冲神经元状态，一方面可以跳过神经元的无效状态，避免无效计算，基于脉冲神经网络的稀疏性，可以大幅降低计算量，另一方面可以降低检测有效状态的延时，有效提高资源利用率；提出了卷积直通池化，并行执行的方案，避免了传统设计中将中间卷积结果写回存储的环节，卷积结果存入FIFO后与下行结果直接两两池化，有效降低了存储访问次数，存储功耗也得以降低。设计了8路并行的计算架构，可以有效减少计算延时，补偿脉冲神经网络多步长的缺陷；经验证，本发明的语音关键词识别系统能够在保证较高准确率的前提下，同时具有功耗低、面积小的特点，适用于嵌入式、物联网等诸多应用领域，能够高效完成语音关键词识别任务。
-
公开(公告)号：CN115374458A
公开(公告)日：2022-11-22
申请号：CN202211014356.1
申请日：2022-08-23
Applicant: 南京大学
Abstract: 本发明公开了一种基于同态加密的自适应大整数模乘运算方法和装置，属于格密码领域。先根据模数以及位宽参数进行预计算，得到循环指示数；再利用模数得到分解基底，将被乘数按分解基底分解；根据循环指示数以及位宽参数进行替代约减，在同余的环境下用分解基底的平方与模数的差代替基底的平方项进行约减；而后对得到的结果进行移位约减并与模数进行比较得到最后的模乘结果。本发明解决了大整数模乘计算中需要较高的位宽，乘法计算复杂度高的问题，可以降低乘法计算复杂度，减少大整数模乘计算所需位宽，且可以保证运算速度。
-
公开(公告)号：CN115291665A
公开(公告)日：2022-11-04
申请号：CN202211119037.7
申请日：2022-09-13
Applicant: 南京大学
IPC: G05F1/567
Abstract: 本发明公开了一种带失调消除的带隙基准电路，该电路包含振荡器电路、带隙基准电路和电阻修调电路，其中振荡器电路包含环形振荡器和逻辑电路，带隙基准电路包含带隙基准核心电路、斩波运放电路和低通滤波器。在电源上电时，环形振荡器会发生起振，输出一个高频时钟信号，通过八分频电路和两相不交叠电路产生一对两相不交叠时钟信号，用于控制斩波运放中的斩波开关。本发明通过振荡器产生的两向不交叠时钟信号控制斩波开关，将运放的输入信号和失调分开，一个处于基带，一个处于高频，同时利用低通滤波器滤除失调，再利用电阻修调电路调节接入电路的电阻阻值，改变基准电压的大小，消除残余失调，能有效减小基准电压的波动，维持电路的稳定性。
-
公开(公告)号：CN115268840A
公开(公告)日：2022-11-01
申请号：CN202210746187.4
申请日：2022-06-29
Applicant: 南京大学
IPC: G06F7/72
Abstract: 本发明公开了一种基于同态加密的快速模乘运算方法和模乘器，属于格密码领域。本发明的方法为先计算出被乘数的乘积，在同余的环境下进行多次移位约减，最终通过比较结果和模数的大小再进行一步约减，得到最后的模乘结果。模乘器包括模数运算模块，模乘运算模块以及控制与输出模块。本发明的目的在于克服现有技术中，基于同态加密的模乘算法运算涉及的乘法计算较多，乘法计算复杂度高，运算时间长的问题，本发明可以减少乘法计算复杂度，加快运算速度，减少硬件面积开销。
-
-
-
-
-
-
-
-
-
Search Results
237
records
(took 0.044 seconds)
