-
公开(公告)号：CN113946541A
公开(公告)日：2022-01-18
申请号：CN202111201529.6
申请日：2021-10-15
Applicant: 南京大学
IPC: G06F15/78 , G06F30/392 , G06F30/394
Abstract: 本发明提供了一种具有轮询仲裁和地址编码更新简化功能的异步路由器。该异步路由器包括LW E模块，用于接收东、西和本地方向的输入数据；WESN模块，用于接收LWE模块的传输数据，以及接收南北两个方向的输入数据，并判断数据包在东西两个方向上跳数是否为0；NSL模块，用于接收WESN模块的传输数据，并判断数据包南北两个方向的跳数是否为0。本发明提供的异步路由器，可以用于构成任意尺寸的使用X‑Y路由算法的2D‑mesh片上网络，具有一定的通用性。同时本发明数据包采用地址编码更新简化功能格式，在更新数据包地址信息时，只需交换导线顺序，无需添加任何数字逻辑门，可以减小异步路由器的面积开销和传输延迟。
-
公开(公告)号：CN113946541B
公开(公告)日：2023-09-08
申请号：CN202111201529.6
申请日：2021-10-15
Applicant: 南京大学
IPC: G06F15/78 , G06F30/392 , G06F30/394
Abstract: 本发明提供了一种具有轮询仲裁和地址编码更新简化功能的异步路由器。该异步路由器包括LW E模块，用于接收东、西和本地方向的输入数据；WESN模块，用于接收LWE模块的传输数据，以及接收南北两个方向的输入数据，并判断数据包在东西两个方向上跳数是否为0；NSL模块，用于接收WESN模块的传输数据，并判断数据包南北两个方向的跳数是否为0。本发明提供的异步路由器，可以用于构成任意尺寸的使用X‑Y路由算法的2D‑mesh片上网络，具有一定的通用性。同时本发明数据包采用地址编码更新简化功能格式，在更新数据包地址信息时，只需交换导线顺序，无需添加任何数字逻辑门，可以减小异步路由器的面积开销和传输延迟。
-
Patent Agency Ranking
公开(公告)号：CN113641605A
公开(公告)日：2021-11-12
申请号：CN202110804144.2
申请日：2021-07-16
Applicant: 南京大学
IPC: G06F13/362
Abstract: 本发明公开了一种适用于异步电路的轮询仲裁器及其方法。该轮询仲裁器包括仲裁部分、互斥锁部分和多路选择部分；其中，仲裁部分由多级仲裁单元级联而成，仲裁部分的输入为请求信号以及各请求的权值信息，仲裁部分的输出为反应仲裁结果的响应信号；互斥锁部分由多级互斥单元级联而成，互斥锁部分的输入为从仲裁部分输出的响应信号以及从后级流水线结构输出的握手信号，互斥锁部分的输出为选通信号以及向前级流水线结构传递的握手信号；多路选择部分的输入为互斥锁部分输出的选通信号以及输入数据，多路选择部分的输出为仲裁优先级最高的有效数据。本发明的轮询仲裁器适用于异步电路，取消对于全局时钟的依赖。
-
公开(公告)号：CN113641605B
公开(公告)日：2024-10-01
申请号：CN202110804144.2
申请日：2021-07-16
Applicant: 南京大学
IPC: G06F13/362
Abstract: 本发明公开了一种适用于异步电路的轮询仲裁器及其方法。该轮询仲裁器包括仲裁部分、互斥锁部分和多路选择部分；其中，仲裁部分由多级仲裁单元级联而成，仲裁部分的输入为请求信号以及各请求的权值信息，仲裁部分的输出为反应仲裁结果的响应信号；互斥锁部分由多级互斥单元级联而成，互斥锁部分的输入为从仲裁部分输出的响应信号以及从后级流水线结构输出的握手信号，互斥锁部分的输出为选通信号以及向前级流水线结构传递的握手信号；多路选择部分的输入为互斥锁部分输出的选通信号以及输入数据，多路选择部分的输出为仲裁优先级最高的有效数据。本发明的轮询仲裁器适用于异步电路，取消对于全局时钟的依赖。
-
公开(公告)号：CN115222033A
公开(公告)日：2022-10-21
申请号：CN202211005399.3
申请日：2022-08-22
Applicant: 南京大学
Abstract: 本发明公开了一种softmax函数近似计算的方法及其装置。该方法将e的指数运算简化为两次常乘数运算和一次输出范围在(1，2)的e指数运算，这主要是为了限制e指数范围来利用cordic算法计算范围小、高精度的特性；将N次除法运算简化为一次输入范围固定的倒数运算、N次乘法运算以及移位运算。本发明的装置包括常数乘法单元、指数计算单元、浮点加法单元、尾数计算单元、减法阵列单元和乘法单元，采用进位保留加法器代替传统加法器，进一步缩短了关键路径。本发明的方案，在保持高精度的同时大大提高计算速度，并减少了计算资源的消耗。
-
公开(公告)号：CN110457951B
公开(公告)日：2021-04-16
申请号：CN201910767566.X
申请日：2019-08-19
Applicant: 南京大学
Abstract: 本发明公开一种无人工噪声的深度学习模型保护方法，包括步骤1，接收用户查询请求后，获取所需的经过训练的神经网络模型参数П、Θ，用户神经网络模型参数使用集合П＝{π1，π2，π3，…，πM}表示，其中πi表示第i次训练相同神经网络所得的模型集；Θ表示神经网络经过迭代训练不同层数上所有参数的集合；步2，通过核密度估计法处理输入的参量数据Θ，得到参量的概率分布函数；步骤3，通过得分函数p(u，v)处理各个参量θ(u，v)的取值分值，所得的总分值大小P，表明取值可能性的大小；步骤4，返回取值可能性最大时的参量数值，所述参量数值即为用户查询请求的结果。本发明使请求模型参数的用户无法根据返回结果获取隐私数据，从而起到用户隐私保护的作用。
-
公开(公告)号：CN110457951A
公开(公告)日：2019-11-15
申请号：CN201910767566.X
申请日：2019-08-19
Applicant: 南京大学
Abstract: 本发明公开一种无人工噪声的深度学习模型保护方法，包括步骤1，接收用户查询请求后，获取所需的经过训练的神经网络模型参数П、Θ，用户神经网络模型参数使用集合П＝{π1，π2，π3，…，πM}表示，其中πi表示第i次训练相同神经网络所得的模型集；Θ表示神经网络经过迭代训练不同层数上所有参数的集合；步2，通过核密度估计法处理输入的参量数据Θ，得到参量的概率分布函数；步骤3，通过得分函数p(u，v)处理各个参量θ(u，v)的取值分值，所得的总分值大小P，表明取值可能性的大小；步骤4，返回取值可能性最大时的参量数值，所述参量数值即为用户查询请求的结果。本发明使请求模型参数的用户无法根据返回结果获取隐私数据，从而起到用户隐私保护的作用。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
