-
公开(公告)号：CN111626412B
公开(公告)日：2023-10-31
申请号：CN202010396802.4
申请日：2020-05-12
Applicant: 浙江大学
IPC: G06N3/063 , G06N3/0464 , G06F7/544 , G06F7/48
Abstract: 本发明提供了复数神经网络的一维卷积加速装置，包括加速装置模块和外部存储模块，加速装置模块包括复数计算单元和缓冲计算单元，缓冲计算单元包括一维卷积计算单元、权重缓冲和特征图缓冲，复数计算单元用于分别计算实部和虚部并将结果输出至输出特征图存储区，一维卷积计算单元用于从权重缓冲和特征图缓冲读取数据并分别进行计算，计算结果输出至复数计算单元，本发明还提供了基于上述装置的复数神经网络的一维卷积加速方法。本发明可提高计算单元利用率，针对复数数值存储格式，并行实部虚部计算，解决复数卷积的通道交叉问题，加速复数神经网络的一维卷积计算。
-
公开(公告)号：CN111626412A
公开(公告)日：2020-09-04
申请号：CN202010396802.4
申请日：2020-05-12
Applicant: 浙江大学
Abstract: 本发明提供了复数神经网络的一维卷积加速装置，包括加速装置模块和外部存储模块，加速装置模块包括复数计算单元和缓冲计算单元，缓冲计算单元包括一维卷积计算单元、权重缓冲和特征图缓冲，复数计算单元用于分别计算实部和虚部并将结果输出至输出特征图存储区，一维卷积计算单元用于从权重缓冲和特征图缓冲读取数据并分别进行计算，计算结果输出至复数计算单元，本发明还提供了基于上述装置的复数神经网络的一维卷积加速方法。本发明可提高计算单元利用率，针对复数数值存储格式，并行实部虚部计算，解决复数卷积的通道交叉问题，加速复数神经网络的一维卷积计算。
-
公开(公告)号：CN109657461A
公开(公告)日：2019-04-19
申请号：CN201811414290.9
申请日：2018-11-26
Applicant: 浙江大学
Abstract: 本发明提供了一种基于梯度提升算法的RTL硬件木马检测方法，首先将待测电路进行提取抽象语法树处理，并根据所提取的抽象语法树对待测电路进行电路特征的构造和提取，获得该待测电路中每个信号节点的向量化特征；之后将所得向量化特征输入至木马检测模型，由木马检测模型进行检测，并输出各信号节点对应的标签，从而获得对应信号节点的木马检测结果。木马检测模型基于梯度提升算法实现的Xgboost框架训练获得，梯度提升采用决策树模型作为基分类器Ⅰ，通过在损失函数的梯度下降方向加入新的决策树模型作为基分类器Ⅱ来提升分类效果，通过超参数配置选择合适的损失函数和参数范围；本发明具有较高的检测准确率，误报率低，检测效率高。
-
公开(公告)号：CN109657461B
公开(公告)日：2020-12-08
申请号：CN201811414290.9
申请日：2018-11-26
Applicant: 浙江大学
Abstract: 本发明提供了一种基于梯度提升算法的RTL硬件木马检测方法，首先将待测电路进行提取抽象语法树处理，并根据所提取的抽象语法树对待测电路进行电路特征的构造和提取，获得该待测电路中每个信号节点的向量化特征；之后将所得向量化特征输入至木马检测模型，由木马检测模型进行检测，并输出各信号节点对应的标签，从而获得对应信号节点的木马检测结果。木马检测模型基于梯度提升算法实现的Xgboost框架训练获得，梯度提升采用决策树模型作为基分类器Ⅰ，通过在损失函数的梯度下降方向加入新的决策树模型作为基分类器Ⅱ来提升分类效果，通过超参数配置选择合适的损失函数和参数范围；本发明具有较高的检测准确率，误报率低，检测效率高。
-
-
-
Search Results
4
records
(took 0.014 seconds)
