-
公开(公告)号：CN116529736A
公开(公告)日：2023-08-01
申请号：CN202180073488.9
申请日：2021-10-19
Applicant: 国际商业机器公司
Inventor： A·潘塔兹 , M·斯坦尼萨维奇 , S·A·沃兹尼亚克 , T·邦斯廷尔 , E·S·埃勒夫塞里奥
IPC: G06N3/063
Abstract: 本公开涉及一种包括第一神经形态神经元装置的集成电路。第一神经形态神经元装置包括输入和具有用于基于包括时间序列的输入数据来执行推断任务的状态变量的累积块。第一神经形态神经元装置可以可切换到第一模式和第二模式。累积块可以被配置为使用第一神经形态神经元装置的当前输入信号和指示该装置的衰减行为的衰减函数来执行对状态变量的调整。状态变量可以取决于第一神经形态神经元装置的先前接收的一个或多个输入信号。
-
公开(公告)号：CN114446339A
公开(公告)日：2022-05-06
申请号：CN202111261257.9
申请日：2021-10-28
Applicant: 国际商业机器公司
Inventor： T·邦斯廷尔 , A·潘塔兹 , S·A·沃兹尼亚克 , E·S·埃勒夫塞里奥
Abstract: 本公开的实施例涉及用于设计对存储器元件进行编程的初始化功能的方法。本公开涉及包括存储器元件的存储设备。存储器元件可以包括用于存储信息的可改变的物理量。该物理量可以处于漂移状态。该存储器元件可以被配置成用于将该物理量设置为初始状态。此外，存储器元件可以包括物理量从初始状态到漂移状态的漂移。该物理量的初始状态可以通过初始化函数来计算。该初始化函数可以取决于该物理量的目标状态，并且该物理量的目标状态可以基本等于该物理量的漂移状态。
-
公开(公告)号：CN103917962A
公开(公告)日：2014-07-09
申请号：CN201280054403.3
申请日：2012-10-26
Applicant: 国际商业机器公司
CPC classification number: G06F12/0866 , G06F3/06 , G06F3/061 , G06F3/0659 , G06F3/0682 , G06F12/0862 , G06F12/123 , G06F2212/213 , G06F2212/224 , G06F2212/463
Abstract: 本发明(图6)针对一种用于读取存储在存储系统上的文件的方法。存储系统包括：根据预定的数据格式存储第一文件集合的存储装置(104)以及存储第二文件集合的高速缓存存储器(106)，第二文件集合是第一文件集合的子集。存储系统被配置成允许一个或多个远程系统(110、120)读取存储在存储装置上和/或在高速缓存存储器上的文件。该方法包括：-从一个或多个远程系统接收(602)用于读取文件序列的至少一个读取请求；-在该序列的文件当中确定(604)一个或多个高速缓存的文件是否已经被存储在高速缓存存储器中，以及一个或多个其余文件是否还没有被存储在高速缓存存储器中；-考虑到根据所述预定的数据格式在存储系统上存储的所述一个或多个其余文件的给定位置，在其余文件内确定(606)应当根据其读取在存储系统上所述其余文件的顺序；-根据所述顺序读取(608)所述存储系统上的所述一个或多个其余文件，并且将所述其余文件存储在高速缓存存储器上。
-
公开(公告)号：CN114127689A
公开(公告)日：2022-03-01
申请号：CN202080051285.5
申请日：2020-06-30
Applicant: 国际商业机器公司
Abstract: 本公开涉及一种用于执行由至少一个操作集合组成的计算任务的方法，其中根据流水线方案确定操作集合的可流水线操作的子集。可以创建单个例程以使得能够由硬件加速器执行所确定的操作子集。例程具有指示计算任务的输入数据和配置参数值的值作为自变量，其中例程的调用使得根据配置参数值来调度硬件加速器上的操作子集。在接收到计算任务的输入数据时，例程可以被调用以使得硬件加速器根据调度由计算任务执行。
-
公开(公告)号：CN104145252B
公开(公告)日：2017-03-29
申请号：CN201380012272.7
申请日：2013-02-18
Applicant: 国际商业机器公司
IPC: G06F12/126 , G06F12/128
CPC classification number: G06F12/128 , G06F12/126
Abstract: 提供了一种用于管理第一高速缓存和第二高速缓存中的数据的计算机程序产品、系统和方法。当页面被存储在第二高速缓存中时，针对该页面在第二高速缓存中维护参考计数。确定页面将从第二高速缓存提升至第一高速缓存。响应于确定该参考计数大于零，将该页面添加至第一高速缓存中的最近最少使用(LRU)列表的LRU端。响应于确定该参考计数小于或等于零，将该页面添加至第一高速缓存中的LRU列表的最近最多使用(MRU)端。
-
Patent Agency Ranking
公开(公告)号：CN103907096B
公开(公告)日：2016-08-24
申请号：CN201280053168.8
申请日：2012-08-30
Applicant: 国际商业机器公司
Inventor： L·M·古普塔 , E·S·埃勒夫塞里奥 , I·科尔特斯达斯 , 胡晓宇 , R·普勒特卡 , R·哈斯 , S·布利尼克 , M·J·卡洛斯 , K·A·内尔森 , M·T·本哈斯
IPC: G06F12/0871 , G06F12/0897 , G06F12/122 , G06F12/127 , G06F12/128
CPC classification number: G06F3/0619 , G06F3/0646 , G06F3/0688 , G06F12/0246 , G06F12/0253 , G06F12/0811 , G06F12/0862 , G06F12/0864 , G06F12/0871 , G06F12/0897 , G06F12/122 , G06F12/127 , G06F12/128 , G06F2212/1016 , G06F2212/154 , G06F2212/222 , G06F2212/283 , G06F2212/604 , G06F2212/702 , G06F2212/7201
Abstract: 提供了用于以更高效的方式在次级存储中有效轨道离台的示例方法、系统和计算机程序产品实施例。在一个实施例中，仅通过举例，使用顺序比特的临时比特用于在主存储中控制离台轨道的定时，临时比特和顺序比特被从主存储转移到次级存储。临时比特被允许在从存储上老化。公开了其他系统和计算机程序产品实施例并且提供了相关优点。
-
公开(公告)号：CN116569177A
公开(公告)日：2023-08-08
申请号：CN202180080035.9
申请日：2021-11-04
Applicant: 国际商业机器公司
Inventor： G·德拉弗雷拉 , S·沃兹尼亚克 , A·潘塔兹 , E·S·埃勒夫塞里奥
IPC: G06N3/02
Abstract: 本文描述了训练包括节点和节点中的选定节点之间的加权连接的神经网络。在训练期间期望激活值和当前激活值的函数产生用于调整连接的权重值的反馈信号。对于权重值更新周期，该过程基于连接的当前权重值确定各个节点的重要性值，并且通过从针对连接的反馈信号导出的梯度值与所确定的调整矩阵的对应元素的组合来确定特定于连接的每个权重值的反馈信号的调整。更新在更新周期期间被应用于连接。
-
公开(公告)号：CN111279366B
公开(公告)日：2023-06-27
申请号：CN201880069287.X
申请日：2018-10-23
Applicant: 国际商业机器公司
Inventor： M·勒加洛-布尔多 , A·塞巴斯蒂安 , I·博伊巴特·卡拉 , E·S·埃勒夫塞里奥 , N·萨西德哈兰·拉贾勒克什米
IPC: G06N3/084 , G06N3/063 , G06N3/048 , G06N3/047 , G06F18/2415
Abstract: 提供用于训练人工神经网络的方法和装置，所述人工神经网络具有插入突触层的一系列神经元层。一组忆阻器件的交叉式阵列，连接在行线和列线之间，实现所述突触层。每个忆阻器件存储一个将连续的神经元层中相应的一对神经元互连的突触的权重。该训练方法包括通过以下步骤来执行迭代训练方案的前向传播、后向传播和权重更新操作：在方案的前向传播和后向传播操作中的至少一个中，将与相应神经元相关联的输入信号施加到该组阵列的行线和列线中的一种线，以获得所述行线和列线中的另一种线上的输出信号；将对应于所述输入和输出信号的数字信号值存储在可操作地耦合到该组阵列的数字处理单元中。通过在数字处理单元中根据所述数字信号值为相应忆阻器件计算数字权重校正值ΔW，并将编程信号施加到这些器件以根据相应数字权重校正值ΔW更新所存储的权重，来执行所述方案的权重更新操作。
-
公开(公告)号：CN113474795A
公开(公告)日：2021-10-01
申请号：CN202080016182.5
申请日：2020-02-14
Applicant: 国际商业机器公司
Inventor： G·舍鲁比尼 , E·S·埃勒夫塞里奥
Abstract: 可以提供一种用于从传感器输入信号回答认知查询的计算机实现的方法。该方法包括将传感器输入信号馈送到包括多个隐藏神经元层和输出神经层的人工神经网络的输入层，确定来自所述多个隐藏神经元层中的每一个的隐藏层输出信号和来自输出神经层的输出信号，以及通过使用所述输出层的所述输出信号和隐藏神经元层之一的所述隐藏层输出信号作为一个映射函数的输入数据来应用映射函数组来生成伪随机位序列组。此外，该方法包括使用所述伪随机位序列组来确定超向量，以及将该超向量存储在关联存储器中，其中不同超向量之间的距离是可确定的。
-
公开(公告)号：CN111279366A
公开(公告)日：2020-06-12
申请号：CN201880069287.X
申请日：2018-10-23
Applicant: 国际商业机器公司
Inventor： M·勒加洛-布尔多 , A·塞巴斯蒂安 , I·博伊巴特·卡拉 , E·S·埃勒夫塞里奥 , N·萨西德哈兰·拉贾勒克什米
Abstract: 提供用于训练人工神经网络的方法和装置，所述人工神经网络具有插入突触层的一系列神经元层。一组忆阻器件的交叉式阵列，连接在行线和列线之间，实现所述突触层。每个忆阻器件存储一个将连续的神经元层中相应的一对神经元互连的突触的权重 。该训练方法包括通过以下步骤来执行迭代训练方案的前向传播、后向传播和权重更新操作：在方案的前向传播和后向传播操作中的至少一个中，将与相应神经元相关联的输入信号施加到该组阵列的行线和列线中的一种线，以获得所述行线和列线中的另一种线上的输出信号；将对应于所述输入和输出信号的数字信号值存储在可操作地耦合到该组阵列的数字处理单元中。通过在数字处理单元中根据所述数字信号值为相应忆阻器件计算数字权重校正值ΔW，并将编程信号施加到这些器件以根据相应数字权重校正值ΔW更新所存储的权重 ，来执行所述方案的权重更新操作。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.024 seconds)
