基于可编程片上系统的心电信号智能监测加速方法

    公开(公告)号:CN114662537A

    公开(公告)日:2022-06-24

    申请号:CN202210274373.2

    申请日:2022-03-21

    Applicant: 江南大学

    Abstract: 本发明公开了基于可编程片上系统的心电信号智能监测加速系统及方法,属于神经网络算法实现和硬件加速领域。所述系统包括:模数转换模块、片上系统处理器、硬件加速模块、总线结构和输出显示模块。本发明的特征提取算法和分类算法的运算通过软件的处理和硬件加速电路的特殊设计,相比现有的纯软件方案,在处理速度上得到了很大程度上的优化,在功耗相同的条件下提供更快速的处理能力,提高了可编程片上系统资源的利用率;从片上系统处理器中获取心电信号分类的结果,其它输出内容可直接由模数转换模块提供,降低了片上系统处理器的运行负荷,整体系统的性能与实时性得到了显著提高,在对性能要求较高的便携式设备领域,具有非常重要的意义。

    基于RISC-V和存内计算的AI推理方法及系统

    公开(公告)号:CN116361229A

    公开(公告)日:2023-06-30

    申请号:CN202310262629.2

    申请日:2023-03-17

    Applicant: 江南大学

    Abstract: 本发明公开了基于RISC‑V和存内计算的AI推理方法及系统,属于人工智能技术领域。本发明设计存算一体结构式协处理器,存内计算将运算单元和存储单元相融合,可以避免卷积神经网络运算过程中大量且频繁的数据搬运,而带来的巨大功耗。同时可以大幅提升算力,适用于多类AI的应用场景;本发明采用RISC‑V指令集架构的CPU,扩展五条RISC‑V指令,与基于模拟方法的存算一体结构式协处理器协作,设计量化单元,通过调用对应的RISC‑V指令,使得深度学习算法的执行过程将根据其特性,分别在数字域、量化域和模拟域中进行计算,极大地降低系统功耗,实现高性能的AI推理,并且使得用户可以针对具体应用场景进行二次开发。

    基于GVAE和AIG图的数字集成电路优化方法及系统

    公开(公告)号:CN119358498A

    公开(公告)日:2025-01-24

    申请号:CN202411379188.5

    申请日:2024-09-30

    Applicant: 江南大学

    Abstract: 本发明公开了基于GVAE和AIG图的数字集成电路优化方法及系统,属于集成电路设计自动化技术领域。所述方法利用图变分自动编码器GVAE,能够智能化地学习和提取电路的关键特征和深层模式,突破了传统方法对特征手动设计的依赖,有助于增强强化学习智能体对电路结构的洞察力与理解力;将电路的状态有效地编码为固定长度的输入向量,有助于提高强化学习算法的运行效率和整体性能,在复杂优化任务中快速收敛;提供了一个高度集成的全流程电路优化框架,从电路网表的结构开始,经过结构特征提取、智能化优化等多个步骤,构建了一个自动化、高效的闭环系统,提升了电路优化的质量与生产力。

    一种基于博弈强化学习的逻辑优化命令序列组合方法

    公开(公告)号:CN119514440A

    公开(公告)日:2025-02-25

    申请号:CN202411328678.2

    申请日:2024-09-24

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于博弈强化学习的逻辑优化命令序列组合方法,属于集成电路设计自动化技术领域。本发明引入两个智能体,在两个智能体之间采用A2C算法构建博弈强化学习架构,第一智能体以延时优化目标奖励和全局优化目标对其的夏普利值分配作为奖励函数进行训练,第二智能体以面积优化目标奖励和全局优化目标对其的夏普利值分配作为奖励函数进行训练;分散式的动作网络允许智能体有不同的优化倾向,而中心式的评价网络则可让各智能体关注全局状况,向整体目标协调优化;此外,本发明引入夏普利值以实现整体奖励在智能体间的公平分配,解决了现有技术中不能找到面积和延时两个优化目标的最优权衡解的问题。

    一种基于遗传和爬山算法的近似电路优化方法

    公开(公告)号:CN119378472A

    公开(公告)日:2025-01-28

    申请号:CN202411459104.9

    申请日:2024-10-18

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于遗传和爬山算法的近似电路优化方法,属于集成电路设计自动化技术领域。所述方法先对网表转换成的图结构成员进行染色体编码,然后利用遗传算法对染色体的基因片段进行交叉、编译以及子代适应度计算和选择;利用爬山算法对子代按照适应度进行排列交叉和遗传,直至符合适应度要求。本发明在保证近似电路满足给定容错率的同时实现了电路面积和延时的优化,利用遗传和爬山算法各自的优势,解决了电路优化中存储资源大量消耗的问题,同时大大提高了优化效率;而且,使用遗传算法和爬山算法等启发式算法可以解决预先计算结构库里面覆盖不到的范围,进一步提高了近似电路优化方法解决冗余电路的能力。

    一种心电特征提取加速电路、心电监测系统及方法

    公开(公告)号:CN114947872A

    公开(公告)日:2022-08-30

    申请号:CN202210377784.4

    申请日:2022-04-12

    Applicant: 江南大学

    Abstract: 本发明公开了一种心电特征提取加速电路、心电监测系统及方法,属于并行计算加速领域。所述心电特征提取加速电路包括:心电信号输入模块、片上系统处理器、硬件计算模块、存储模块和特征输出模块。本发明基于硬件资源构建乘法阵列和加法树计算单元,对Mallat算法特征矩阵与心电信号数值矩阵的乘法运算进行并行加速,利用硬件资源,使得其可以在一个时钟周期下完成;同时在乘法阵列运算结果临时存储单元中引入乒乓缓存机制,通过组建多个存储子单元,让乘法阵列和加法树计算单元两大模块同时交替地进行数据的写入和读取操作,以达到并行计算的效果,显著地提高系统运算速度,进一步提高了系统监测结果的实时性。

Patent Agency Ranking