-
公开(公告)号：CN114515147B
公开(公告)日：2023-10-03
申请号：CN202111558264.5
申请日：2021-12-20
IPC: A61B5/11 , A61B5/0295 , A61B5/026 , A61B5/0205 , A61B5/145 , A61B5/00
Abstract: 本发明涉及一种基于BCG信号与PPG信号融合的生理监测系统，包括：BCG信号采集系统，用于采集人体的BCG信号；PPG信号采集系统，用于采集人体的PPG信号；上位机，用于接收所述BCG信号采集系统采集的BCG信号与所述PPG信号采集系统采集的PPG信号数据，并对两种信号数据进行分析，并对分析结果采用非线性拟合的方式进行融合得到最终的生理参数信息。本发明能够提高监测的准确性。
-
公开(公告)号：CN115902595B
公开(公告)日：2023-07-14
申请号：CN202310179200.7
申请日：2023-02-20
Applicant: 之江实验室
IPC: G01R31/28
Abstract: 本说明书公开了一种芯片测试系统以及芯片测试方法，在控制芯片和待测试芯片之间设有各选通开关，在各选通开关中预设有多个用于在待测试芯片中写入行数据、读取行数据、写入列数据、读取列数据的通道，控制芯片可以根据测试需求，从各选通开关中确定出各目标选通开关，并向各目标选通开关发送控制指令，以通过这些处于选通状态的选通通道完成测试操作，从而对待测试芯片的每个行线和每个列线的读取数据以及写入数据功能进行测试，进而可以降低测试成本，并且可以提高测试效率。
-
公开(公告)号：CN115905546A
公开(公告)日：2023-04-04
申请号：CN202310017218.7
申请日：2023-01-06
Applicant: 之江实验室
IPC: G06F16/35 , G06N3/0464 , G06N3/048 , G06N3/063 , G06N3/08
Abstract: 本发明公开了基于阻变存储器的图卷积网络文献识别装置与方法，对文献识别数据集进行训练集和测试集的构建；构建基于阻变存储器的浮点图卷积网络模型，用训练集进行预训练，得到预训练的模型参数；根据浮点图卷积网络模型，构建基于阻变存储器的训练阶段的图卷积网络量化模型；将训练集输入训练阶段的图卷积网络量化模型，进行量化感知训练，得到每层输出值的截断位宽、损失函数的权值，以及量化感知训练后的模型参数；根据训练阶段的图卷积网络量化模型，构建基于阻变存储器的推理阶段的图卷积网络量化模型；将量化感知训练后的模型参数映射到阻变存储器上，并将测试集输入到基于阻变存储器的推理阶段的图卷积网络量化模型，进行前向推理测试。
-
公开(公告)号：CN115827170A
公开(公告)日：2023-03-21
申请号：CN202310123062.0
申请日：2023-02-16
Applicant: 之江实验室
IPC: G06F9/455
Abstract: 本发明公开了基于离散事件的计算机体系结构的并行仿真方法及装置，将待仿真的计算机体系结构，按功能与延迟划分与组合成多个关键节点，并给每个关键节点分配一个线程；所有事件队列中的事件，按照事件发生的时间进行排序，时间相同的事件，按照优先级高低进行排序，整个仿真过程共同维护一条共享时间轴；利用前瞻量与路障事件对所有关键节点进行同步。在避免因果关系错误的条件下利用现代计算机的并行计算能力加速仿真过程。本发明将待仿真体系结构系统按功能与延迟划分与组合成多个关键节点，其中划分模块有利于提高仿真系统的并行度，合并低延迟模块有助于扩大前瞻量，降低同步开销，合理的关键节点选择能进一步加速仿真过程。
-
公开(公告)号：CN114332545B
公开(公告)日：2022-08-05
申请号：CN202210261211.5
申请日：2022-03-17
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明提供一种基于低比特脉冲神经网络的图像数据分类方法和装置，该方法包括：步骤一，获取开源图像数据集，分为训练集和测试集，其中数据集包括计算机图像数据和神经形态数据；步骤二，构建包含隐含层的脉冲神经网络模型，再改进LIF神经元，构建基于改进后的LIF神经元的脉冲神经网络模型；步骤三，通过构建训练损失函数并进行各项梯度求解，对脉冲神经网络模型进行训练；步骤四，在训练集上使用梯度下降参数更新方法进行脉冲神经网络模型优化训练；步骤五，利用构建并训练好的脉冲神经网络模型，对测试集进行识别，得到预测的数据分类标签，实现分类任务。本发明的方法具有更低的功耗，同时与全精度网络模型有近似的准确率。
-
Patent Agency Ranking
公开(公告)号：CN113869504B
公开(公告)日：2022-08-05
申请号：CN202111456235.8
申请日：2021-12-02
Applicant: 之江实验室
Abstract: 本发明属于新型智能计算处理器领域，涉及一种基于忆阻器可编程神经网络加速器，通过接口与SOC总线串接，该加速器包括：指令处理模块、控制单元、执行单元模块，其中，控制单元控制连接指令处理模块和执行单元模块，指令处理模块由指令存储器、取指令单元、指令译码单元依次连接组成为一体，对指令进行存取译码后，将指令信息传达给控制单元，以及将指令上的数据给到执行单元模块，执行单元模块包括：算术逻辑单元、向量处理单元、数据存储器和忆阻器存算单元；算术逻辑单元和向量处理单元，分别对应负责寄存器计算和向量计算；数据存储器与忆阻器存算单元相连后，接入向量处理单元。本发明具有高灵活度，低带宽要求，低功耗，高并行度的优点。
-
公开(公告)号：CN114399037B
公开(公告)日：2022-07-15
申请号：CN202210293602.5
申请日：2022-03-24
Applicant: 之江实验室
Abstract: 本发明公开了基于忆阻器的卷积神经网络加速器核心的模拟方法及装置，支持除常见的正负权值映射形式外还支持补码形式的RRAM权重映射，通过将RRAM核心与外围电路抽象成各个模块并将位移寄存器与RRAM的卷积过程封装成更粗粒度的事务，在保证模型功能与精度的前提下简化芯片上外围数字电路的模型结构。本发明利用高级语言搭建RRAM核心的TLM模型，支持模拟RRAM核心的功耗、延迟、算力、面积等关键参数，比传统RTL模型仿真速度快1000倍以上，帮助芯片设计人员在芯片RTL模型完成前对芯片特性进行研究，缩短芯片的研发周期。
-
公开(公告)号：CN114463161A
公开(公告)日：2022-05-10
申请号：CN202210377006.5
申请日：2022-04-12
Applicant: 之江实验室
Abstract: 本发明涉及忆阻器应用技术领域，尤其涉及一种基于忆阻器的神经网络处理连续图像的方法和装置，该方法包括以下步骤：步骤一，对神经网络的每一层进行阵列映射，并对阵列上的计算核进行串并行排列；步骤二，将单张图像输入经过步骤一设置的神经网络，统计出神经网络的每一层的图像处理时间，得到神经网络对单张图像处理的总时长，后选取出处理时间最长的神经网络层并得到其对应的处理时长，根据总时长和单层神经网络最长处理时长，得到神经网络的最大并行图像数量；步骤三，输入小于或等于最大并行图像数量的图像至经过步骤一设置的神经网络，进行并行处理。本发明加快了忆阻器上深度神经网络处理大量或者连续图像的效率。
-
公开(公告)号：CN114399037A
公开(公告)日：2022-04-26
申请号：CN202210293602.5
申请日：2022-03-24
Applicant: 之江实验室
Abstract: 本发明公开了基于忆阻器的卷积神经网络加速器核心的模拟方法及装置，支持除常见的正负权值映射形式外还支持补码形式的RRAM权重映射，通过将RRAM核心与外围电路抽象成各个模块并将位移寄存器与RRAM的卷积过程封装成更粗粒度的事务，在保证模型功能与精度的前提下简化芯片上外围数字电路的模型结构。本发明利用高级语言搭建RRAM核心的TLM模型，支持模拟RRAM核心的功耗、延迟、算力、面积等关键参数，比传统RTL模型仿真速度快1000倍以上，帮助芯片设计人员在芯片RTL模型完成前对芯片特性进行研究，缩短芯片的研发周期。
-
公开(公告)号：CN113870921B
公开(公告)日：2022-03-18
申请号：CN202111456209.5
申请日：2021-12-02
Applicant: 之江实验室
IPC: G11C13/00
Abstract: 本发明公开了一种忆阻器阵列上符号数映射方法，该映射方法将有符号数以补码的表达形式直接映射在忆阻器阵列上，并依据不同映射数的位宽以及忆阻器精度获得映射方案。首先，需要确认当前忆阻器类型器件为二值还是多值，如果是多值器件需再确认单元精度；然后，确定所映射符号数的位宽，并将符号数转为补码形式下的二进制数；最后，得出该符号数映射方案。本发明适用于神经网络计算，该方法映射符号数所占用忆阻器资源消耗小，通用性强，数值覆盖范围和实际表达范围一样。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.03 seconds)
