-
公开(公告)号：CN105826994B
公开(公告)日：2018-11-13
申请号：CN201610163509.7
申请日：2016-03-19
Applicant: 复旦大学
Abstract: 本发明属于集成电路设计技术领域，具体为一种基于动态阻抗匹配技术的射频能量采集系统。本发明系统是在现有射频能量采集系统的基础上增加可配置匹配网络模块、整流器输出电压检测模块、充电电流检测模块和匹配网络配置位产生模块组成，其中匹配网络配置位产生模块用于切换电压采样和电流采样两种工作模式，并根据所采样得到的电压和电流值确定匹配网络的调整方式。本发明通过在能量采集过程中实时监测谐振腔的匹配状况并进行电路等效阻抗的调节，使谐振腔始终处于理想的匹配状态，从而在较大的输入频带和入射能量范围内实现较高效率的射频能量采集。
-
-
公开(公告)号：CN111460160B
公开(公告)日：2023-08-18
申请号：CN202010255434.1
申请日：2020-04-02
Applicant: 复旦大学
IPC: G06F16/35 , G06F40/284 , G06N20/00
Abstract: 本发明提供一种基于强化学习的流式文本数据的事件聚类方法，包括：S1、通过流式处理获取文本数据的特征表示；S2、获取全部候选事件构成当前事件库，并对每个候选事件进行特征提取和表示；S3、通过基于强化学习的事件聚类训练方法，得到聚类策略；S4、判断当前处理的文本数据的事件归属，更新当前事件库。本发明能及时高效的对海量的不断增长的流式文本数据进行聚类处理，通过引入已有的标注数据的先验知识，进行基于强化学习的事件聚类训练，使得事件聚类的结果更加及时和准确。
-
公开(公告)号：CN111126593B
公开(公告)日：2023-05-05
申请号：CN201911083419.7
申请日：2019-11-07
Applicant: 复旦大学
IPC: G06N3/082 , G06N3/0464
Abstract: 本发明属于集成电路技术领域，具体为一种可重构的自然语言深度卷积神经网络加速器。本发明加速器是基于时间序列输入的，包括：多组可重构的计算单元向量，用于实现不同尺寸卷积核的计算；多组多输入加法树，用于求和不同输入通道的乘法结果；一个输入特征图存储单元；多组输出特征图存储单元，用于存储计算过程中的中间结果以及最终的输出特征值；一个控制单元，用于配置计算单元向量、计算流程以及数据流向。本加速器特意针对输入的语言时间序列进行优化，避免当前输入序列小于空洞卷积感受野时的重复计算与计算暂停的问题；同时可重构的计算单元向量可以实现不同尺寸的卷积核计算。
-
公开(公告)号：CN111062471B
公开(公告)日：2023-05-02
申请号：CN201911160365.X
申请日：2019-11-23
Applicant: 复旦大学
Abstract: 本发明属于集成电路技术领域，具体为一种用于加速BERT神经网络运算的深度学习加速器。本发明加速器包括：三个矩阵乘阵列，用于计算乘累加操作；一个Softmax与点积计算单元，用于计算Softmax概率函数，并对分支网络输出进行点乘得到输出特征值；三个特征存储器，用于存储输入、输出特征值；两个权重存储器；一个控制器和片上片外接口，用于控制片外DRAM中的数据与片上数据进行交互。本发明针对神经网络中的分支网络结构进行优化，有效减少中间数据的存储空间，降低片外片上数据交互次数，降低功耗；同时通过配置存储单元与计算单元间可重构的数据互联，满足BERT神经网络中的分支网络结构计算要求，可用于端到端的神经网络计算。
-
Patent Agency Ranking
公开(公告)号：CN111008698B
公开(公告)日：2023-05-02
申请号：CN201911160416.9
申请日：2019-11-23
Applicant: 复旦大学
Abstract: 本发明属于集成电路技术领域，具体为一种用于混合压缩循环神经网络的稀疏矩阵乘法加速器。本加速器包括：2组乘累加单元，用于计算网络中2个不同输出通道的特征值；4个输入存储器，2个列组合权重存储器，1个变长编码权重存储器和1个变长编码索引存储器，存储非规则变长编码压缩的权重与索引；2个二级累加器，用于读取输出存储器中的中间结果与乘累加单元的计算结果累加，更新输出结果；1个解码器，用于将变长压缩的权重解码传输到对应的乘累加单元中。本发明利用网络中权重的稀疏性，对稀疏权重矩阵进行压缩，在保证原循环网络精度同时减少了权重存储空间，加快了计算速度，降低了计算功耗。
-
公开(公告)号：CN111030698B
公开(公告)日：2023-04-07
申请号：CN201911246362.8
申请日：2019-12-08
Applicant: 复旦大学
IPC: H03M1/50
Abstract: 本发明属于集成电路技术领域，具体为具有离散增益之电压时间转换器。本发明的电压时间转换器的核心架构包括动态时间放大器、校正码生成电路、增益校正电路以及反相器；电压时间转换器基本可以实现高线性度且低功耗的特性，其主要根据输入电压的信号产生两条不同大小的电流，使得负载电容以两个不同的速率放电至地，而当放电电压小于反相器的门槛电压后，反相器由0变为1，两反相器输出之间的相位差即为转换后的时间差；增益校正电路根据校正码生成电路的输出打开或关闭调节两输入电压产生的电流大小，扩大增益可调整的范围并减少固定延时的产生，使电压时间转换器得增益保持稳定，且提高电路的转换速率。
-
公开(公告)号：CN110635801B
公开(公告)日：2023-02-10
申请号：CN201911026412.1
申请日：2019-10-26
Applicant: 复旦大学
Abstract: 本发明属于集成电路技术领域，具体为一种抑制参考杂散的注入锁定时钟倍频器。本发明包括：频率锁定单元、相位锁定单元、延时校正单元、注入脉冲产生电路、注入锁定数控振荡器和时钟与快照产生电路；频率锁定单元用于控制输出时钟信号的频率；相位锁定单元用于锁定输出时钟信号的频率和相位；延时校正单元用于降低相位误差路径上的延时；注入锁定数控振荡器用于产生输出高频时钟信号；时钟与快照产生电路用于将振荡器的高频时钟信号转换成低频率的快照信号。本发明由参考时钟信号生成脉冲信号，通过向振荡器中注入该稳定的低频脉冲信号，相位锁定和延时校正，使振荡器锁定在目标频率，输出时钟信号具有较低的相位噪声和参考杂散。
-
公开(公告)号：CN112200024B
公开(公告)日：2022-10-11
申请号：CN202011018179.5
申请日：2020-09-24
Applicant: 复旦大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于图像处理技术领域，具体为一种基于三维可形变模型学习的二维人脸表情识别方法。本发明重建二维人脸表情对应的三维表情点云，采用编码器‑解码器的网络结构，结合表情分类器和表情分类损失以及三维点云回归损失，在端到端的联合训练下，最终获得的表情参数不但增强了判别性，提高了二维人脸表情分类的准确率，而且保持生成性，可以恢复相应的三维人脸表情点云。本发明可以同时实现二维人脸表情分类和三维人脸表情点云生成这两种功能，具有广泛的应用前景。
-
公开(公告)号：CN111460160A
公开(公告)日：2020-07-28
申请号：CN202010255434.1
申请日：2020-04-02
Applicant: 复旦大学
IPC: G06F16/35 , G06F40/284 , G06N20/00
Abstract: 本发明提供一种基于强化学习的流式文本数据的事件聚类方法，包括：S1、通过流式处理获取文本数据的特征表示；S2、获取全部候选事件构成当前事件库，并对每个候选事件进行特征提取和表示；S3、通过基于强化学习的事件聚类训练方法，得到聚类策略；S4、判断当前处理的文本数据的事件归属，更新当前事件库。本发明能及时高效的对海量的不断增长的流式文本数据进行聚类处理，通过引入已有的标注数据的先验知识，进行基于强化学习的事件聚类训练，使得事件聚类的结果更加及时和准确。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.018 seconds)
