基于SRAM的双倍数据存储容量的存内计算方法和装置

    公开(公告)号:CN116913344A

    公开(公告)日:2023-10-20

    申请号:CN202310980955.7

    申请日:2023-08-04

    Abstract: 本发明提供了一种基于SRAM的双倍数据存储容量的存内计算方法和装置,方法包括:基于神经网络数据集训练权重输出模型输出具有按位互补关系的权重信号;将具有按位互补关系的权重信号写入SRAM的交叉耦合反相器Q和QB中;提供一对逻辑计算模块分别耦合至SRAM的BL及BLB位线上;提供输入驱动器连接至一对逻辑计算模块,为其提供一对相同或不同的输入信号;逻辑计算模块将一对输入信号分别和SRAM中一对按位互补的权重信号进行逻辑计算;将逻辑计算模块的输出通过加法树进行加法运算,然后送入移位累加模块做移位累加;将移位累加结果进行后处理后输出。本发明可以提高一倍计算并行度,能够带来存内计算性能的大幅提升。

    运动想象设备操控方法、装置及系统

    公开(公告)号:CN114400066A

    公开(公告)日:2022-04-26

    申请号:CN202210040818.0

    申请日:2022-01-14

    Abstract: 本发明提出的运动想象设备操控方法、装置及系统,其方法包括:将运动想象设备采集的佩戴者的脑电信号输入至一基础特征提取模型,得到对应的特征信息;将所述特征信息输入至至少一个与一运动动作对应的分类识别模型,得到每个动作的自由度判别结果;基于所有自由度判别结果生成运动想象设备的活动指令,本发明通过将模型分离,充分利用已有数据实现基本的运动想象识别功能,无需使用随机初始模型并专门对用户进行训练,将设备上的神经网络模型分为基础特征提取和分类判别两个部分,可以使模型的鲁棒性更强。

    生理状态监测方法、装置及系统
    4.
    发明公开

    公开(公告)号:CN114154536A

    公开(公告)日:2022-03-08

    申请号:CN202111369816.8

    申请日:2021-11-18

    Abstract: 本申请提供一种生理状态监测方法、装置及系统,涉及人工智能领域,包括:对被授权采集的历史生理数据进行训练,得到个体学习模型;所述个体学习模型包括基础层模型及个性化层模型;将所述基础层模型按照其所属簇的类别上传至边缘训练节点,并接收所述边缘训练节点反馈的边缘基础学习模型或云端泛化学习模型;用所述边缘基础学习模型或云端泛化学习模型更新所述个体学习模型中的基础层模型;将被授权采集的当前生理数据输入更新后的个体学习模型,得到生理状态监测结果。本申请能够利用预先训练的个体学习模型完成生理状态监测。

Patent Agency Ranking