公开(公告)号：CN114816335B

公开(公告)日：2022-11-25

申请号：CN202210738210.5

申请日：2022-06-28

Applicant: 之江实验室

Inventor： 顾子熙 ,  时拓 ,  刘琦 ,  张程高 ,  高丽丽 ,  王志斌 ,  李一琪

IPC: G06F7/575

Abstract: 本发明公开了一种忆阻器阵列符号数乘法实现方法、装置及设备，装置包括忆阻器阵列和移位计算模块，忆阻器阵列的输入端和输出端分别与移位计算模块连接，方法包括步骤S1：确定带有符号的输入值，并将其转换为二进制补码形式；步骤S2：依据忆阻器阵列单次输入的位宽，将输入值拆分，其中最高位为符号位，从最低位开始依次输入到忆阻器阵列中进行乘法计算；步骤S3：忆阻器阵列单次输出值为最高位时做移位减法操作，其余位时均做移位加法操作；步骤S4：输出忆阻器阵列的最终乘法计算结果。本发明的忆阻器阵列符号数乘法实现方式，适用于神经网络计算，改善了部分场景下输入值仅为无符号数的限制，通用性强，几乎没有额外的硬件资源消耗。

公开(公告)号：CN115311506A

公开(公告)日：2022-11-08

申请号：CN202211238897.2

申请日：2022-10-11

Applicant: 之江实验室

Inventor： 高丽丽 ,  时拓 ,  刘琦 ,  顾子熙 ,  张徽 ,  张程高 ,  崔狮雨

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开了基于阻变存储器的量化因子优化的图像分类方法及装置，分别构建基于阻变存储器的浮点神经网络模型及与其对应的基于阻变存储器的神经网络量化模型，通过一种新的量化因子优化损失函数结合分类损失函数，对神经网络量化模型进行训练，并且与阻变存储器的特性结合，通过迭代优化使图像分类神经网络模型学习到的量化因子尽可能的接近2的幂次方，在推理阶段，将量化后的值映射到阻变存储器阵列的电压值和电导值，并对输出电流进行移位操作，得到卷积层输出量化后的值，最终得到基于阻变存储器的神经网络量化模型的图像分类结果，由于每层的量化因子通过基于阻变存储器的神经网络模型学习得到，能够加快模型的推理速度。

公开(公告)号：CN115049885A

公开(公告)日：2022-09-13

申请号：CN202210981223.5

申请日：2022-08-16

Applicant: 之江实验室

Inventor： 顾子熙 ,  时拓 ,  刘琦 ,  高丽丽 ,  张程高 ,  卢建 ,  张徽

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06F5/06

Abstract: 本发明公开了一种存算一体卷积神经网络图像分类装置及方法，通过控制器对装置的其他单元、器件的控制；通过数据存储器存储神经网络分类的图像数据，以及中间特征图数据；通过存算一体单元获取的图像数据，并对图像数据进行卷积神经网络中的卷积层以及全连接层的计算，得到特征值；通过激活函数单元对存算一体单元输出的特征值进行非线性操作，得到非线性操作后的特征值；通过池化单元依次对非线性操作后的特征值进行行池化操作和列池化操作，并将最终结果值存入数据存储器；通过分类器获取最后一层神经网络计算对应的存算一体单元的输出，根据分类标签得到分类结果；从而实现数据流的优化，减少数据存取次数，减小所需缓存容量，提升计算效率。

公开(公告)号：CN114004343A

公开(公告)日：2022-02-01

申请号：CN202111663000.6

申请日：2021-12-31

Applicant: 之江实验室

Inventor： 高丽丽 ,  时拓 ,  张程高 ,  顾子熙 ,  王志斌 ,  李一琪

IPC: G06N3/04 ,  G06Q10/04

Abstract: 本发明公开了基于忆阻器脉冲耦合神经网络的最短路径获取方法及装置，首先将加权图的边和顶点直接映射到基于忆阻器的脉冲耦合神经网络上的突触和神经元，通过记录神经元的激活时间和给定神经元的连通性，以高度并行的脉冲传播，获得从起始神经元到所有其他神经元的最短路径。本发明提出的基于忆阻器的脉冲耦合神经网络，充分利用了忆阻器物理特性的高度并行性，以较低的时间复杂度和空间复杂度实现了最短路径的获取。并且在八顶点加权图中获得100%的路径最优性，能耗低至0.33μJ。