-
公开(公告)号:CN119783742A
公开(公告)日:2025-04-08
申请号:CN202411989753.X
申请日:2024-12-31
Applicant: 安徽大学
IPC: G06N3/063
Abstract: 本发明公开基于银纳米线网络的储备池计算系统及其制备方法、应用,属于纳米线与神经网络技术领域;基于银纳米线网络的储备池计算系统包括:底部多电极阵列:其中的电极能作为输入端或输出端;储备池:为银纳米线网络,是由将银纳米线溶液通过滴注、旋涂的方式在底部多电极阵列上制备而成,用于将输入数据投射到高维非线性空间。本发明的计算系统能够应用于数据处理,其中数据的并行输入方法同时可与虚拟节点、幅值信息等应用方法相结合,极大的增加输入特征信息,降低对储备池复杂度和记忆容量的需求,并增强该储备池计算系统的特征提取能力。
-
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:CN117273155A
公开(公告)日:2023-12-22
申请号:CN202311252233.6
申请日:2023-09-26
Applicant: 安徽大学
IPC: G06N10/20 , G06N10/60 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06F30/18 , G06F30/13 , G06F30/27
Abstract: 本发明公开一种基于量子近似优化算法的图最大分割方法及系统,方法包括将路网的每个路口作为一个节点,并利用边概率表示路口之间的连通关系,构建图;根据图生成p层QAOA电路;S在p=1时,使用第一神经网络预测QAOA电路第一层的初始变分参数;在p=2时,基于第一层的初始变分参数,采用第二神经网络预测QAOA电路第一层和第二层的初始变分参数;在p≥3时,利用电路第一层和第二层的初始变分参数,并从第三层开始采用线性差值算法,在当前层前一层的初始变分参数的基础上加上其前两层之间参数的差值,作为当前层的初始变分参数;基于电路各层的初始变分参数运行QAOA电路,得到路网划分近似解;本发明在处理路网图最大分割问题上获得了良好的近似比。
-
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%。
-
公开(公告)号:CN115249492A
公开(公告)日:2022-10-28
申请号:CN202210851664.3
申请日:2022-07-20
Applicant: 安徽大学
Abstract: 本发明公开了一种分压型RRAM阵列结构,包括1T1R单元和另一个1T单元,1T指的是MOS管,1R指的是RRAM单元,MOS管与RRAM单元相连,组成1T1R单元;多个1T1R单元并联形成1T1R阵列;另一个1T单元为MOS管,该MOS管的一端与所述1T1R单元中的SL端相连,另一端连接一个高电平VHI;通过将另一个1T单元的N个MOS管的电阻R进行并联,形成RN,这种由1T1R阵列和另一个1T单元组成的结构,称之为伪1T1R的RRAM阵列结构。上述结构可以在实现分压型RRAM阵列的情况下有效减少阵列面积,充分利用阵列资源,同时引入栅压传感方案减小读干扰。
-
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。
-
-
-
-
-
-