公开(公告)号：CN116562340A

公开(公告)日：2023-08-08

申请号：CN202310569947.3

申请日：2023-05-19

Applicant: 北京超星未来科技有限公司 ,  清华大学

Inventor： 梁海玉 ,  唐长成 ,  陆天翼 ,  梁爽

IPC: G06N3/0464 ,  G06N3/08

Abstract: 本申请公开一种获取神经网络架构的性能预测模型的方法与系统，方法包括：获取神经网络的原始架构。根据神经网络的原始架构，获取神经网络的原始通道数。根据原始通道数的稀疏度的采样区间，获取第一子采样区间。根据第一子采样区间，获取重构的神经网络中2D卷积层的通道数的稀疏度。根据重构的神经网络中2D卷积层的通道数的稀疏度，获取重构的神经网络中2D卷积层的通道数的更新值。根据重构的神经网络中2D卷积层的通道数的更新值，获取重构的神经网络。以及根据重构的神经网络，获取神经网络架构的性能预测模型。

公开(公告)号：CN109977534A

公开(公告)日：2019-07-05

申请号：CN201910221710.X

申请日：2019-03-22

Applicant: 清华大学

Inventor： 叶佐昌 ,  唐长成 ,  余志平

IPC: G06F17/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于强化学习的电路参数优化方法及系统，其中，该方法包括：获取仿真电路的优化参数和观测信息，并对优化参数进行初始化；将观测信息输入预先训练好的神经网络模型，以输出优化参数的更新量；根据更新量对优化参数进行更新以达到优化目标。该方法可以快速得到给定设计参数及设计目标下最优的优化参数，提高电路设计效率，缩短电路产品的上市时间。

公开(公告)号：CN117973484A

公开(公告)日：2024-05-03

申请号：CN202410208427.4

申请日：2024-02-26

Applicant: 清华大学 ,  北京超星未来科技有限公司

Inventor： 梁海玉 ,  汪玉 ,  唐长成 ,  陆天翼 ,  梁爽

IPC: G06N3/082 ,  G06N5/04

Abstract: 本申请提出了一种神经网络结构化剪枝方法及装置，该方法包括：对待剪枝神经网络中的所有特征图进行拓扑排序，并初始化分组结果为空列表；确定待剪枝神经网络中各算子的节点类型，根据节点类型确定各算子对应的输入特征图和输出特征图的耦合关系；根据耦合关系确定与输出特征图‑通道列表编号对应的输入特征图‑通道列表编号，得到分组结果；给同一组分组结果中的元素分配相同的掩码，对待剪枝神经网络进行剪枝。本申请通过确定特征图通道间的耦合关系并进行分组后，直接将掩码赋予特征图，能够自然得到各算子相应的掩码值，进而便于对待剪枝神经网络进行剪枝，且本申请支持任意复杂的存在Concat和add随机组合的神经网络的掩码推理。