-
公开(公告)号：CN118194941A
公开(公告)日：2024-06-14
申请号：CN202410226165.4
申请日：2024-02-29
Applicant: 电子科技大学
Abstract: 本发明属于脉冲神经网络硬件技术领域，具体涉及一种基于脉冲神经网络的异构控制电路。本发明提供了一种基于脉冲神经网络的异构控制电路，通过高通用外设接口和子指令接收模块实现了对协处理器指令的拓展，提升了整体异构控制电路设计灵活性，同时该发明通过子指令缓存模块提升了整体指令发送的并行度并通过提出指令锁模块有效解决了并行度提升所带来的数据冲突问题。
-
公开(公告)号：CN116089354A
公开(公告)日：2023-05-09
申请号：CN202310067408.X
申请日：2023-01-16
Applicant: 电子科技大学
IPC: G06F15/78
Abstract: 本发明属于集成电路与半导体器件技术领域，尤其是涉及一种用于红外感存算电路的非均匀矫正方法和装置。本发明用于消除基于红外的感存算一体电路中存在的误差，对红外传感器存在的偏差，以及工艺、环境产生的噪声等进行校正，保证电路的计算精度。本发明所述的非均匀矫正方法利用算法方式将红外探测器因电压产生的偏差提前编码到神经网络权值中，并利用晶体管的输出特性，达到软硬件协同消除误差的目的，此外，本发明还在感存算单元的输出端设置了数字非均匀矫正模块，用来消除热噪声和其他电路噪声。
-
公开(公告)号：CN116089350A
公开(公告)日：2023-05-09
申请号：CN202211534831.8
申请日：2022-12-02
Applicant: 电子科技大学
Abstract: 本发明属于半导体器件与集成电路技术领域，具体涉及一种红外感存算一体像素突触电路及其控制方法。本发明的电路中的单个像素突触单元包含对称的并联晶体管、感知光强的红外探测器电阻和部署神经网络权值的SRAM。本发明利用光电探测器容易与存储器实现器件级集成的特点，设计了基于红外探测器的感存算一体系统的像素阵列，利用正负对称的晶体管结构，与运算电路相结合，将感、存、算三个功能集成在了像素单元阵列中，实现正负权值的计算，提高了像素单元面积的利用率，降低了延时。还进一步地利用晶体管沟道宽长比与其漏极电流的关系，实现多比特权值。
-
公开(公告)号：CN109635938B
公开(公告)日：2022-05-17
申请号：CN201811652879.2
申请日：2018-12-29
Applicant: 电子科技大学
IPC: G06N3/04
Abstract: 本发明属于神经网络技术领域，涉及一种自主学习脉冲神经网络权值量化方法。本发明的方法可以对脉冲神经网络大量的权值参数进行量化，而且该神经网络还可以利用量化权值进行训练，且与使用原始权值训练的结果非常接近，在神经网络测试阶段，可以使用索引编码后的量化权值进行计算，这样可以节省存储资源，提高计算速度。尤其当需要实现SNN硬件化的时候，该方法可以减小RAM等片上资源消耗，降低运算复杂度，提高硬件计算速度和性能。
-
-
Patent Agency Ranking
公开(公告)号：CN118760820A
公开(公告)日：2024-10-11
申请号：CN202410720930.8
申请日：2024-06-05
Applicant: 电子科技大学
Abstract: 本发明属于DFT硬件实现技术领域，具体涉及一种灵活的离散傅里叶变换加速硬件电路。本发明包括数据通信单元、总控制单元、乒乓缓存单元、蝶形运算单元和旋转因子存储单元，其中总控制单元分别与数据通信单元、乒乓缓存单元、蝶形运算单元和旋转因子存储单元连接。本发明通过优化快速傅里叶算法在硬件上的映射和调度方式，能够灵活实现不同点数和不同精度的离散傅里叶变换，还可以根据需求选择不同的吞吐率和速度以满足不同场景对实时性的要求。
-
公开(公告)号：CN115577762A
公开(公告)日：2023-01-06
申请号：CN202211301024.1
申请日：2022-10-24
Applicant: 电子科技大学
Abstract: 本发明属于集成电路领域，具体涉及一种基于RISC‑V的AI计算异构系统。该系统主要包括：具有多种外设接口，用于发送自定义扩展指令的基于RISC‑V指令集的处理器；用于执行自定义扩展指令的NICE(Nuclei Instruction Co‑unit Extension，核指令协同单元扩展)协处理器模块；用于暂存参数的寄存器表模块；用于外部SRAM控制的SRAM控制器模块；包含仲裁模块和PE(Processing Elements，处理单元)计算单元，用于实现神经网络硬件加速计算的PE阵列计算模块。RISC‑V处理器通过NICE总线传输自定义扩展指令到NICE核协处理器，根据配置参数控制、调度PE阵列完成高效计算，大幅度减少了对存储空间的访问，降低功耗。同时该系统能够改变配置参数重构PE阵列，提升了通用性和灵活性。
-
公开(公告)号：CN109800872A
公开(公告)日：2019-05-24
申请号：CN201910078948.1
申请日：2019-01-28
Applicant: 电子科技大学
Abstract: 一种基于分段复用和参数量化共享的神经形态处理器，属于神经形态硬件技术领域。量化参数控制模块用于在神经形态处理器运行阶段直接从外部读取当前突触类型，并根据所读取的突触类型从配置神经元计算单元；同步复位模块用于全局复位神经形态处理器；神经元运算核心模块用于执行神经形态计算、暂存输入数据和路由运算结果，神经元运算核心模块的输入脉冲数据和突触类型分段进行输入，将每一段计算完成后再输出到下一级神经元运算核心模块，并采用分时复用的方法对每一个神经元运算核心模块进行多次复用。本发明大幅度减少了需要直接存储在神经形态处理器上的数据和处理器面积，极大地提高了处理器计算效率，降低了计算功耗。
-
公开(公告)号：CN109165730A
公开(公告)日：2019-01-08
申请号：CN201811029532.2
申请日：2018-09-05
Applicant: 电子科技大学
Abstract: 本发明属于神经网络技术领域，涉及一种交叉阵列神经形态硬件中状态量化网络实现方法。本发明的方法为，对人工神经网络各项参数(权值、阈值、泄漏常数、置位电压值、不应期时长、突触延迟时长等参数)进行量化后，将量化后的各项参数映射到交叉阵列神经形态硬件中，随后将经过预处理后输入数据送入到交叉阵列神经形态硬件中即可实现状态量化网络。通过状态量化，有效降低了交叉阵列神经形态硬件对存储单元的规模、存储级数、可靠性等的要求。
-
公开(公告)号：CN116151335A
公开(公告)日：2023-05-23
申请号：CN202310273599.5
申请日：2023-03-20
Applicant: 电子科技大学
IPC: G06N3/049 , G06N3/084 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明属于计算机视觉和机器学习技术领域，尤其涉及一种适用于嵌入式设备的脉冲神经网络轻量化方法及系统。本发明的适用于嵌入式设备的脉冲神经网络轻量化方法，通过利用知识蒸馏技术，将一个复杂的人工神经网络学习到的知识迁移到一个混合脉冲神经网络中，实现了脉冲神经网络的小型化轻量化。本发明将蒸馏后的脉冲神经网络模型通过参数聚类和Tensorrt转换，大幅度提高了模型推理速度，实现了脉冲神经网络的高效运行。本发明公开的适用于嵌入式设备的脉冲神经网络轻量化系统，通过将轻量化后的脉冲神经网络部署到嵌入式设备上，实现实时采集图像，实时推理并将推理结果实时通过显示模块进行输出，实现了脉冲神经网络在嵌入式设备上实时运行。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.105 seconds)
