-
公开(公告)号：CN112070204B
公开(公告)日：2023-01-20
申请号：CN202010722047.4
申请日：2020-07-24
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于阻变存储器的神经网络权重映射方法，其中，所述阻变存储器以存储单元的高阻态和低阻态存储二值数据，所述映射方法包括：S1、获得神经网络以二值形式表示的二进制权重阵列；S2、获得二进制权重值阵列的每一列的第一值和第二值的数量；S3、将二进制权重值阵列的每一列权重值映射存储到所述阻变存储器的每一列存储单元中，其中，对于第一值的数量大于第二值的数量的列，第一值映射为高阻态，第二值映射为低阻态；否则第二值映射为高阻态，第一值映射为低阻态。本发明在硬件上只是改变了原有的权重存储映射方式，有效的降低存储阵列中低电阻状态数量，大幅降低电流及其在阻变存储器计算阵列和模拟‑数字转换装置的功耗。
-
公开(公告)号：CN115586998A
公开(公告)日：2023-01-10
申请号：CN202211289563.8
申请日：2022-10-20
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于主核控制流信息的处理器运行差错检测方法及系统，包括：在主核运行的过程中将程序段的控制流信息以控制流表的形式保存下来，以在检查核运行的过程中，使用该控制流信息来指导检查核的分支预测，来提高检查核的运行效率。对于程序段，主核与检查核应该有相同的控制流，因此有使用主核控制流信息指导检查核分支预测有100％的分支预测准确率，能够消除分支预测失败的开销，从而提高检查核的性能。
-
公开(公告)号：CN114416435A
公开(公告)日：2022-04-29
申请号：CN202111630301.9
申请日：2021-12-28
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种微处理器架构，包括：主核、从核、总线及比较器，该主核和该比较器分别通信连接至该总线，该从核通信连接至该比较器；微处理器处于锁步模式时，该比较器阻塞该从核对该总线的访问请求，该主核和该从核均执行主核任务，该比较器将该主核的主核运行数据与该从核的从核运行数据进行比较，以对该主核任务的执行状态进行故障检测。以及一种微处理器故障检测方法，包括：根据任务要求设置微处理器的运行模式，该运行模式包括锁步模式和非锁步模式；若该微处理器处于锁步模式时，该主核和该从核均执行主核任务，通过将该主核的主核运行数据与该从核的从核运行数据进行比较，以对该主核任务的执行状态进行故障检测。
-
公开(公告)号：CN114186598A
公开(公告)日：2022-03-15
申请号：CN202110856642.1
申请日：2021-07-28
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种基于阻变存储器的图神经网络计算方法和装置，该方法包括：对于图神经网络的任一层，分析该层中将要在阻变存储器阵列中运算的图数据在权重原位计算模式和混合原位计算模式下的处理时延相对大小，选择时延最小的模式作为该层的计算模式；在权重原位计算模式，对所述图神经网络的所述层将图数据的邻接矩阵和图神经网络的权重参数作为原位数据分别映射到相应的阻变存储器阵列中，以将图神经网络的节点特征作为输入数据与相应的原位数据进行运算；在混合原位计算模式，对所述图神经网络的所述层将图数据的邻接矩阵和节点特征作为原位数据分别映射到相应的阻变存储器阵列中，以将权重参数作为输入数据与相应的原位数据进行运算。
-
公开(公告)号：CN113466890A
公开(公告)日：2021-10-01
申请号：CN202110590374.3
申请日：2021-05-28
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出了一种基于关键特征提取的轻量化激光雷达惯性组合定位方法和系统，包括：利用惯性预积分的中间变量补偿激光点云的运动畸变；提取激光雷达关键帧中的线、面特征，完成帧间特征匹配；定量地评估激光雷达特征匹配约束的有效性；剔除低效的特征约束；选定合适的回环检测时机，在保证精度的前提下，降低计算成本，实现三维点云的建图和高精度的定位、姿态估计。
-
Patent Agency Ranking
公开(公告)号：CN108564168B
公开(公告)日：2021-03-09
申请号：CN201810288078.6
申请日：2018-04-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种对支持多精度卷积神经网络处理器的设计方法，包括：1)针对卷积神经网络处理器所需支持的多精度中的每一个，确定在该精度下需要的片上资源，所述在该精度下需要的片上资源表示为所述卷积神经网络处理器的计算核单元的并行化参数的函数；2)根据所述计算核单元可利用的最大片上资源、以及所述卷积神经网络处理器所支持的每个精度下需要的片上资源，将所述卷积神经网络处理器的计算吞吐量或计算时延作为优化目标，计算获得针对所述计算核单元的并行化参数。
-
公开(公告)号：CN111985614A
公开(公告)日：2020-11-24
申请号：CN202010715409.7
申请日：2020-07-23
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种构建自动驾驶决策系统的方法、系统和介质，所述自动驾驶决策系统包括强化学习模块和安全保障模块，所述安全保障模块包括基于规则的子模块和基于数据驱动的子模块，所述方法包括：A1、随机初始化强化学习模块和基于数据驱动的子模块的神经网络参数；A2、对自动驾驶决策系统依次进行第一学习阶段和第二学习阶段的训练；本发明无需大量的专家经验指导自动驾驶决策系统如何进行决策，节约了大量的训练成本，而且本发明的系统输出解析解作为经纠正的安全的动作向量，为驾驶的安全性提供了理论支撑，可以提高在实际应用中根据自动驾驶决策系统决策生成的动作向量进行自动驾驶的安全性。
-
公开(公告)号：CN109190358B
公开(公告)日：2020-10-27
申请号：CN201811086921.9
申请日：2018-09-18
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种站点密码生成方法、系统及密码管理器，其中站点密码生成方法包括：步骤1)根据包括用户密码的信息构建第一激励数据；其中，所述用户密码用于由用户在应用程序的客户端上登录用户账户，所述第一激励数据为二进制字符串；步骤2)将所述第一激励数据输入PUF并且从所述PUF得到相应的第一响应数据；其中，所述第一响应数据为二进制字符串；以及，步骤3)将所述第一响应数据转换为站点密码。本发明提供的密码生成方法、系统及密码管理器能够抵抗离线攻击和单点故障，同时提高了生成站点密码的效率。
-
公开(公告)号：CN107015628B
公开(公告)日：2020-08-28
申请号：CN201710203437.9
申请日：2017-03-30
Applicant: 中国科学院计算技术研究所
IPC: G06F1/3221 , G06F1/3234
Abstract: 本发明提出一种面向近似应用的低开销DRAM刷新方法及系统，涉及存储器设计技术领域，该方法包括静态匹配映射步骤，离线获取应用的全局访存信息，分析所述全局访存信息中每个内存行的最大重用距离，将每个内存行中的内容迁移到保存时间大于所述最大重用距离的内存行中；动态阈值调整步骤，每隔一段时间，周期性的根据历史映射结果预测每个映射周期的最大重用距离，并在DRAM保持时间分布中匹配相应的内存行。本发明在进行程序数据在内存中存储的映射和迁移之后，静态匹配映射方法的错误率几乎为零，动态匹配映射方法的错误率可以控制在0.7％以内，两种方法均能够将原有刷新能耗节省99％以上。
-
公开(公告)号：CN110046703B
公开(公告)日：2020-07-31
申请号：CN201910170271.4
申请日：2019-03-07
Applicant: 中国科学院计算技术研究所
IPC: G06N3/063
Abstract: 本发明提供一种用于神经网络的片上存储处理系统，其包括：编码器模块、解码器模块以及存储群模块；编码器模块被配置为接收目标数据序列，对所述目标数据序列中所有数据逐个比特位地提取各比特位的数值，并将所有数据中相同权值的比特位的数值进行顺序编码，再将相邻比特位的数值编码依次顺序相连，生成编码数据；解码器模块被配置为根据运算指令，读取并解码存储群模块中存储的编码数据；存储群模块被配置为根据接收到的控制信息，生成存储结构，存储编码数据。将本发明的片上存储处理系统用于神经网络的运算，可实现按照数据精度的进行数据存储，能够降低神经网络数据运算过程中的功耗消耗，避免发生数据冗余现象。
-
-
-
-
-
-
-
-
-
Search Results
225
records
(took 0.09 seconds)
