-
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。
-
公开(公告)号：CN118966297A
公开(公告)日：2024-11-15
申请号：CN202411045700.2
申请日：2024-08-01
Applicant: 安徽大学
IPC: G06N3/067 , G06N3/047 , G06N3/0499 , G06N3/08
Abstract: 本发明公开光概率节点传感器及贝叶斯变分推断感知计算一体化系统，属于光电传感器领域；光概率节点传感器包括碳化硅纳米线网络光敏层、电流‑电压转换电路、比较器电路以及LIF神经元电路；光信号输入碳化硅纳米线网络光敏层产生电流，并经过电流‑电压转换电路转换为电压信号并放大；比较器电路将放大后的电压信号与随机阈值比较输出二进制信号，LIF神经元电路累积二进制信号，当达到阈值时发放脉冲，作为光概率节点传感器的最终输出；贝叶斯变分推断感知计算一体化系统，包括光概率节点传感器阵列、贝叶斯神经网络层、变分推断模块、存储单元以及控制逻辑。
-
公开(公告)号：CN113469348B
公开(公告)日：2024-02-20
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：CN115983358A
公开(公告)日：2023-04-18
申请号：CN202310055769.2
申请日：2023-01-18
Applicant: 安徽大学
Abstract: 本发明公开了一种基于策略迭代的贝尔曼方程的硬件实现方法，首先输入奖励值到贝尔曼期望方程电路中，求出该奖励值的策略价值；将得到的策略价值输入贝尔曼最优方程电路进行策略迭代求解，求出最优价值；将得到的最优价值映射到由忆阻器阵列组成的策略图谱中，完成每一个状态的最优价值求解，并根据最优价值的大小决定每一个状态的移动方向，达到利用硬件加速贝尔曼方程求解最优价值的目的。该方法能够使用忆阻器阵列乘加的方式将贝尔曼方程硬件化，从而对强化学习硬件系统性能有很大的优化作用。
-
公开(公告)号：CN115456153A
公开(公告)日：2022-12-09
申请号：CN202211010160.5
申请日：2022-08-23
Applicant: 安徽大学
Abstract: 本发明属于电导漂移技术领域，具体涉及一种优化电导漂移的推理映射方案包括以下步骤：S1：根据电导漂移模型，对于实际的器件电导漂移数据进行拟合，得出模型参数；S2：对输入数据与权值分别进行放缩，作为权值输入电压V0与目的映射电导C；S3：将输入信号经过S2步骤处理为权值输入电压V0，并乘上一个衰减因子，得到最终输入电压V，然后经过外围板卡电路映射到忆阻器阵列中，与传统的方法相比，本专利提出的方案解决了电导漂移问题，通过对输入信号乘上一个补偿因子的独特机制优化了系统的性能，电导漂移的补偿可以直接由输入信号来提供，降低的硬件网络实现的难度，使用本方案的系统在训练了20次后可达到96％的准确率，相比传统方案的准确率提升了10％。
-
Patent Agency Ranking
公开(公告)号：CN115062773A
公开(公告)日：2022-09-16
申请号：CN202210816129.4
申请日：2022-07-12
Applicant: 安徽大学
Abstract: 本发明公开了一种用于优化忆阻器基神经网络的权值推理映射方法，首先根据忆阻器电导区间和权值区间求出权值映射参数Ct和信号输入转换参数θ；将权值矩阵按照权值映射参数Ct进行等比例放大，经过外围板卡电路映射到忆阻器阵列中；将输入忆阻器阵列的电压信号先按照信号输入转换参数θ进行等比例缩小，再输入映射完成的忆阻器阵列中，进行矩阵乘加运算；使用恒定电阻阵列将中忆阻器阵列运算输出的电流值转换为电压信号，将该电压信号与下一个时刻的电压信号相加作为下一个时刻的输入电压信号，以进行下一循环的权值推理映射过程。上述方法解决了权值推理映射过程中的时序信息丢失问题，使RNN类算法(如GRU、LSTM等)得以全硬件实现。
-
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。
-
公开(公告)号：CN118350427A
公开(公告)日：2024-07-16
申请号：CN202410457637.7
申请日：2024-04-16
Applicant: 安徽大学
Abstract: 本发明公开了一种多功能可重构神经元电路，包括衬底、输出电阻Rout层、电容C1介质层、忆阻器、隔离层、电容C2介质层和沉积电阻Rs，其中在衬底上制备Rout层，并与电容C1介质层串联后，再和忆阻器串联，得到电路的第一部分；将电容C2介质层与电路的第一部分并联，且在两者之间设置隔离层，形成电路的第二部分；再将电路的第二部分与沉积电阻Rs串联，得到多功能神经元电路；基于多功能神经元电路的结构，根据电容C1介质层和电容C2介质层产生不同的编码方式。上述电路可同时实现时间编码和频率编码，对感受到的信号进行不同的编码处理，提高了神经元电路的编码效率和应用场景。
-
公开(公告)号：CN116579395A
公开(公告)日：2023-08-11
申请号：CN202310438357.7
申请日：2023-04-23
Applicant: 安徽大学
Abstract: 本发明公开一种针对SkipStructure深度神经网络硬件精度问题的原位补偿法，属于忆阻器技术领域；原位补偿法包括S1，确定补偿方程的相关系数；S2，测试相关系数与输出误差之间的关系；S3，根据S2得到的测试数据，进行数据拟合，并建立补偿方程；S4，在阵列输出结果时，运用S3建立的补偿方程，对输出结果进行原位补偿；本发明的补偿方法能够解决忆阻器阵列在实现Skip Structure式深度神经网络时误差层层叠加所导致的精度下降问题，从而对于硬件实现跳跃式结构神经网络有很大的优化作用。
-
公开(公告)号：CN114742217A
公开(公告)日：2022-07-12
申请号：CN202210430993.0
申请日：2022-04-22
Applicant: 安徽大学
Abstract: 本发明公开一种基于忆阻器的VFL‑RELU脉冲神经元的电路，属于集成电路设计技术领域。一种基于忆阻器的VFL‑RELU脉冲神经元的电路，包括：BDW阈值忆阻器、电容、金氧半导场效的晶体管MOSFET。所述BDW阈值忆阻器具有双边不同窗口，将所述金氧半导场效晶体管MOSFET的栅极电压作为输入电压，所述晶体管MOSFET的漏极作为输出，对所述电容充电，待所述电容上电压小于所述BDW阈值忆阻器的保持电压(Vh)，所述BDW阈值忆阻器变为高阻态，所述BDW阈值忆阻器分压变大，所述电容重新充电；所述半导场效晶体管MOSFET包括P型MOSFET和N型MOSFET，输入电压可以调谐输出脉冲频率。本发明所提供的脉冲神经元电路通过忆阻器的选择和偏置电压的添加，解决了高效脉冲神经元的电路设计问题，且电路简单。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.023 seconds)
