-
公开(公告)号：CN118278476A
公开(公告)日：2024-07-02
申请号：CN202410367444.2
申请日：2024-03-28
Applicant: 安徽大学
Abstract: 本发明公开基于忆阻阵列和忆阻器神经元的低功耗实时识别系统，属于忆阻器硬件系统领域；基于忆阻阵列和忆阻器神经元的低功耗实时识别系统包括：数据捕捉模块、ARM核心模块、忆阻器阵列模块，忆阻器神经元模块、图像显示模块以及FPGA模块；所述数据捕捉模块采集图像，将图像转换为数据后流存入VDMA，再经由FPGA模块传入忆阻器阵列模块进行矩阵乘加，将输出的信息传到忆阻器神经元模块进行激活，激活后的数据传至FPGA模块内，再由VDMA传入图像显示模块进行显示，期间ARM核心模块对时序进行控制。本发明利用忆阻器阵列，忆阻器基神经元，处理数据的矩阵向量乘加与激活，从而提升数据处理速度提高资源利用率，使得硬件系统的功耗有着明显降低，速度更快达到实时显示。
-
公开(公告)号：CN113642723B
公开(公告)日：2024-05-31
申请号：CN202110863399.6
申请日：2021-07-29
Applicant: 安徽大学
IPC: G06N3/0442 , G06N3/084 , G06N3/065
Abstract: 本发明公开了一种实现原‑异位训练的GRU神经网络电路，所述电路包括3个M+N+1行M列个忆阻器构成的阵列，以及多个模拟乘法器和加法器，其中每个忆阻器阵列的下方均连接有由电阻和运放构成的反向比例电路，每个阵列都形成下方的运算结构；对于左边的忆阻器阵列，每列输出电压经过反向比例电路后输出电压与前一时刻的输出电压经过模拟乘法器后得到结果，该结果再输入至右边忆阻器阵列的横向输入端；前一时刻电压与中间忆阻器阵列每列输出电压经过模拟乘法器运算后，结果输出至加法器；最终加法器输出的电压，用于下一时刻的输入。该电路能够解决GRU神经网络电路异位训练映射误差大，原位训练结构复杂且抗噪能力弱的问题。
-
公开(公告)号：CN117079296A
公开(公告)日：2023-11-17
申请号：CN202310700901.0
申请日：2023-06-14
Applicant: 安徽大学
IPC: G06V30/244 , G06V30/18 , G06V10/82 , G06N3/0464 , G06N3/063 , G06N3/08
Abstract: 本发明公开了一种基于忆阻器的手写数字识别方法及系统，涉及忆阻器技术领域，包括：接收输入手写数字图片数据，将输入手写数字图片数据进行卷积操作得到特征图数据，将特征图数据转为多维数组模式，标记为多维特征数据；将多维特征数据按列划分，并对每个多维特征数据分配一个权重系数，将对应列的多维特征数据与对应列的权重系数进行乘加，得到所有列的计算结果；将所有列的计算结果与对应列的多维特征数据进行乘加，得到计算结果阵列；将计算结果阵列的数据按列分配概率，得到每列数据所对应的概率系数，将概率系数映射至忆阻器阵列内，以特征图数据输入忆阻器阵列，得到输出结果；将输出结果返回计算机，从而完成手写数字图片的识别任务。
-
公开(公告)号：CN113658493B
公开(公告)日：2023-05-02
申请号：CN202110962416.1
申请日：2021-08-20
Applicant: 安徽大学
IPC: G09B23/18
Abstract: 本发明公开一种用于模拟联想记忆的强化学习仿生电路架构，所述电路架构包括MUX，所述MUX上连接有突触模块、控制模块和输出模块，突触模块包括用于模拟输入神经元的方波电压信号，方波电压信号为2n个，其中，n为大于1的整数，控制模块包括控制信号，控制信号为可以为n个，n和控制信号可强化形成2n种不同类型的强化控制信号代表学习方法强化的人群刺激进入2n个突触模块。本发明强化学习仿生电路架构是基于巴甫洛夫联想记忆以及非联想记忆的，它更真实地模拟了人类记忆的特点，这与我们人类的记忆是一致的；通过输入模拟输入神经元的方波电压信号，通过设置控制信号模拟学习方法强化的人群，能够更加全面的模拟人的学习过程。
-
公开(公告)号：CN114048846A
公开(公告)日：2022-02-15
申请号：CN202111298080.X
申请日：2021-11-04
Applicant: 安徽大学
IPC: G06N3/063 , G06N3/08 , G06F40/284
Abstract: 本发明公开了一种实现文本分析的BI‑GRU神经网络电路及训练方法和使用方法，该电路包括两个方向相反且时间维度相同的GRUCell，分别记为正向GRUCell和反向GRUCell；所述正向GRUCell的输出与所述反向GRUCell的输出进行叠加，然后输出到所述全连接层电路模块。本发明解决了现有GRU电路无法在正反两个方向对目标进行训练的问题，能够实现两个相反方向的时间维度的序列预测，而且在将其用于文本预测时展现出较高的准确率和较好的计算效率。
-
Patent Agency Ranking
公开(公告)号：CN113971749A
公开(公告)日：2022-01-25
申请号：CN202110960665.7
申请日：2021-08-20
Applicant: 安徽大学
IPC: G06V10/774 , G06N3/063 , G06N3/08
Abstract: 本发明涉及芯片应用领域，公开了一种基于忆阻器的全硬件神经网络实现图像识别装置，所述装置包括：输入模块一、输入模块二和权重模块，所述输入权重模块包括忆阻器和两个反向放大电路，且忆阻器与两个反向放大电路依次电性连接，所述输入模块二输出端连接有减法器，本发明使用忆阻器做为权重，实现存内运算，摆脱了冯诺依曼的存储墙限制，且本发明将忆阻器和两个模拟8选1选择器结合，实现无主机学习，且读写方便。
-
公开(公告)号：CN113469348A
公开(公告)日：2021-10-01
申请号：CN202110684264.3
申请日：2021-06-21
Applicant: 安徽大学
IPC: G06N3/063
Abstract: 本发明公开了一种联想记忆中多次泛化和分化的神经形态电路，包括三个输入信号端IN1、IN2、IN3，一个总输出信号OUT，输入信号端IN1、IN2、IN3定义为三个前神经元，前神经元IN1对应巴甫洛夫联想记忆中的非条件反射信号，前神经元IN2和IN3对应条件反射信号；输入信号经处理后得到对应的三个输出信号OUT1、OUT2、OUT3，再经或门U12后得到总输出信号OUT；其中，或门U12定义为后神经元，总输出信号OUT为后神经元接受刺激后发出的信号。上述电路能仿生巴甫洛夫联想记忆中的多次泛化和彻底分化现象，也能仿生传统巴甫洛夫联想记忆中的学习和遗忘现象，具有广阔的应用前景。
-
公开(公告)号：CN118313421A
公开(公告)日：2024-07-09
申请号：CN202410273336.9
申请日：2024-03-11
Applicant: 安徽大学
IPC: G06N3/047 , G06N3/063 , G06N3/049 , G06N3/0495
Abstract: 本发明公开了一种基于忆阻器的表示Sigmoid概率分布方法及系统，涉及忆阻器技术领域，包括以下步骤：接收从忆阻器单元内提取的sigmoid曲线，将sigmoid曲线标记为概率存储S型曲线；接收输入数据，将输入数据量化为概率值，并标记为先验概率；将先验概率通过概率存储S型曲线映射为相应的栅端电压值，将栅端电压值存储至节点忆阻器阵列，并标记为存储概率值；对存储概率值进行量化得到电压信号，将电压信号输入至权重忆阻器阵列，得到输出电流，将输出电流输入下一个节点，从而实现Sigmoid信念网络，本发明能利用1T1R单元晶体管的限流作用直接表示sigmoid概率分布，同时用栅端存储概率值。
-
公开(公告)号：CN117852662A
公开(公告)日：2024-04-09
申请号：CN202410036885.4
申请日：2024-01-10
Applicant: 安徽大学
IPC: G06N10/20 , G06N3/0464 , G06N3/08 , G06N5/04 , G06N3/063
Abstract: 本发明公开一种基于变分量子电路的忆阻器神经形态计算优化方法，属于量子计算技术领域；计算优化方法包括：收集分类好的图像数据；对图像数据进行预处理；基于Alexnet模型，将Alexnet模型的最后两层全连接层换成量子变分模块，并在量子电路的前后各添加一个忆阻器全连接层，得到量子经典混合模型；将Alexnet的权重参数导入量子经典混合模型，处理好的图像数据导入量子经典混合模型进行训练，提取得到前、后忆阻器全连接层的权重参数、偏置参数以及输入信号；将提取权重参数、偏置参数以及输入信号映射到忆阻器阵列之中，用忆阻器阵列进对神经网络进行推理，得到最终结果；不仅提高了计算效率，也降低了能耗，为未来的智能计算设备提供了新的可能性。
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.024 seconds)
