-
公开(公告)号：CN110728365B
公开(公告)日：2022-04-01
申请号：CN201910862967.3
申请日：2019-09-12
Applicant: 东南大学
IPC: G06N3/063
Abstract: 本发明公开了多位宽PE阵列计算位宽的选择方法及计算精度控制电路，属于计算、推算、计数的技术领域。本发明对神经网络最后Softmax层的输出概率值分析以判断输出最大概率的大小来评估网络识别精度，通过设定的两个概率阈值判断输出的最大概率值是否满足计算精度要求，若最大概率值小于最小阈值则采用高位宽处理元件阵列的信号，若最大概率值大于最小阈值小于最大阈值则维持之前的位宽处理元件阵列，若最大概率值大于最大阈值则采用低位宽处理元件阵列的信号，将网络输出的最大概率维持在一定的氛围内，保证网络的识别精度的同时降低功耗。
-
公开(公告)号：CN110728365A
公开(公告)日：2020-01-24
申请号：CN201910862967.3
申请日：2019-09-12
Applicant: 东南大学
IPC: G06N3/063
Abstract: 本发明公开了多位宽PE阵列计算位宽的选择方法及计算精度控制电路，属于计算、推算、计数的技术领域。本发明对神经网络最后Softmax层的输出概率值分析以判断输出最大概率的大小来评估网络识别精度，通过设定的两个概率阈值判断输出的最大概率值是否满足计算精度要求，若最大概率值小于最小阈值则采用高位宽处理元件阵列的信号，若最大概率值大于最小阈值小于最大阈值则维持之前的位宽处理元件阵列，若最大概率值大于最大阈值则采用低位宽处理元件阵列的信号，将网络输出的最大概率维持在一定的氛围内，保证网络的识别精度的同时降低功耗。
-
公开(公告)号：CN110728303A
公开(公告)日：2020-01-24
申请号：CN201910862957.X
申请日：2019-09-12
Applicant: 东南大学
Abstract: 本发明公开了基于卷积神经网络数据复杂度的动态自适应计算阵列，属于计算、推算、计数的技术领域。在原始卷积计算阵列模块基础上，增设动态卷积计算决策模块根据不同的输入数据复杂度选择合适的网络模型。动态卷积计算决策模块包括用于当前网络卷积层预分类计算的预分类层控制器及用于将预分类计算结果与预先设定阈值比较的置信度控制器，置信度控制器输出判别结果决定后续卷积计算阵列是否开启并支持不同尺寸卷积核卷积计算阵列的动态选择。本发明设计简单，可靠性强，动态卷积计算决策模块与其它传统模块协同配合，尽量降低网络的冗余计算，避免计算资源的浪费。
-
公开(公告)号：CN110718211B
公开(公告)日：2021-12-21
申请号：CN201910915999.5
申请日：2019-09-26
Applicant: 东南大学
Abstract: 本发明提出了一种基于混合压缩卷积神经网络的关键词识别系统，属于计算、推算、计数的技术领域。该系统包括模数转换模块、特征提取模块、混合压缩卷积神经网络模块，分别对卷积神经网络的输入值进行高阶残差量化，对神经网络的权重值进行细粒度渐进量化和激活值的低比特量化，再对卷积核进行基于前后级联合评价策略的剪枝，以此降低网络的参数量和模型大小。通过量化来降低神经网络的参数大小，通过剪枝降低网络的计算量，从而达到优化网络的目的。
-
公开(公告)号：CN110718211A
公开(公告)日：2020-01-21
申请号：CN201910915999.5
申请日：2019-09-26
Applicant: 东南大学
Abstract: 本发明提出了一种基于混合压缩卷积神经网络的关键词识别系统，属于计算、推算、计数的技术领域。该系统包括模数转换模块、特征提取模块、混合压缩卷积神经网络模块，分别对卷积神经网络的输入值进行高阶残差量化，对神经网络的权重值进行细粒度渐进量化和激活值的低比特量化，再对卷积核进行基于前后级联合评价策略的剪枝，以此降低网络的参数量和模型大小。通过量化来降低神经网络的参数大小，通过剪枝降低网络的计算量，从而达到优化网络的目的。
-
Patent Agency Ranking
公开(公告)号：CN110600019B
公开(公告)日：2022-02-15
申请号：CN201910862959.9
申请日：2019-09-12
Applicant: 东南大学
Abstract: 本发明公开了基于实时场景下语音信噪比预分级的卷积神经网络计算电路，属于计算、推算、计数的技术领域。在传统的“语音特征提取+卷积计算识别输出”的语音识别网络电路工作模式基础上，增设动态实时语音信噪比检测模块。动态实时语音信噪比检测模块通过智能感知计算实时输出当前语音场景下的电路工作模式控制信号，并动态调节后续位宽可控的卷积网络计算模块的数据运算位宽大小以及自适应语音特征提取计算模块的快速傅里叶变换的蝶形运算级数，从根本上解决了传统卷积网络计算电路结构存在的场景适应力差、冗余计算多、资源占用过多的问题。
-
公开(公告)号：CN110580919B
公开(公告)日：2021-09-28
申请号：CN201910764547.1
申请日：2019-08-19
Applicant: 东南大学
Abstract: 本发明公开了多噪声场景下语音特征提取方法及可重构语音特征提取装置，属于语音识别的技术领域。本发明结合低通滤波器语音提取低功耗特点和梅尔滤波器语音特征提取高准确率的特点，根据底噪声阈解析判断结果及低通滤波器及神经网络的输出结果动态选择语音特征提取方式，装置通过可重构特征提取功能配置模块切换语音特征提取通道。在外界环境没有语音或有语音但信噪比较高的条件下采用低通滤波器进行语音特征提取同时进行神经网络的识别，而在信噪比较低同时有语音输入的情况下采用梅尔滤波器进行语音特征提取，降低语音特征提取的整体功耗。
-
公开(公告)号：CN110705702A
公开(公告)日：2020-01-17
申请号：CN201910929674.2
申请日：2019-09-29
Applicant: 东南大学
IPC: G06N3/063 , G06F15/167 , G06F12/0897 , G06F12/0862 , G06F12/0868 , G06F9/50 , G06F13/18
Abstract: 本发明公开了一种动态可扩展的卷积神经网络加速器，属于计算、推算、计数的技术领域。该加速器包括自适应数据存储模块和高效计算阵列调度模块。其中，自适应数据存储模块包括层次化存储模块和外部二维数据转换定制接口模块。高效计算阵列调度模块包括基于乘加逻辑的神经元处理单元阵列数据调度模块和基于查找表的神经元处理单元阵列数据调度模块。整个卷积神经网络加速器通过设计合理的多级存储结构来掩盖外存访问的数据延迟。通过根据网络层特点和任务需求对计算阵列进行数据调度，可以实现数据的重复利用和提高计算阵列查找表的访问并行度，提高运算速度，从而能够适应各种复杂的计算任务。
-
公开(公告)号：CN110580919A
公开(公告)日：2019-12-17
申请号：CN201910764547.1
申请日：2019-08-19
Applicant: 东南大学
Abstract: 本发明公开了多噪声场景下语音特征提取方法及可重构语音特征提取装置，属于语音识别的技术领域。本发明结合低通滤波器语音提取低功耗特点和梅尔滤波器语音特征提取高准确率的特点，根据底噪声阈解析判断结果及低通滤波器及神经网络的输出结果动态选择语音特征提取方式，装置通过可重构特征提取功能配置模块切换语音特征提取通道。在外界环境没有语音或有语音但信噪比较高的条件下采用低通滤波器进行语音特征提取同时进行神经网络的识别，而在信噪比较低同时有语音输入的情况下采用梅尔滤波器进行语音特征提取，降低语音特征提取的整体功耗。
-
公开(公告)号：CN110728303B
公开(公告)日：2022-03-11
申请号：CN201910862957.X
申请日：2019-09-12
Applicant: 东南大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于卷积神经网络数据复杂度的动态自适应计算阵列，属于计算、推算、计数的技术领域。在原始卷积计算阵列模块基础上，增设动态卷积计算决策模块根据不同的输入数据复杂度选择合适的网络模型。动态卷积计算决策模块包括用于当前网络卷积层预分类计算的预分类层控制器及用于将预分类计算结果与预先设定阈值比较的置信度控制器，置信度控制器输出判别结果决定后续卷积计算阵列是否开启并支持不同尺寸卷积核卷积计算阵列的动态选择。本发明设计简单，可靠性强，动态卷积计算决策模块与其它传统模块协同配合，尽量降低网络的冗余计算，避免计算资源的浪费。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
