-
公开(公告)号：CN113438190A
公开(公告)日：2021-09-24
申请号：CN202110689621.5
申请日：2021-06-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种神经网络训练方法及装置、MIMO均衡器与方法、可读介质，应用于MIMO系统中的接收端信号均衡中，包括：初始化全连接神经网络的权重值，采用训练样本集对全连接神经网络进行训练，其中，训练样本集包括：样本输入数据及其对应的标签数据，其中样本输入数据为MIMO接收端的接收信号向量，标签数据为MIMO发射端的发射信号向量；其中，全连接神经网络包括：前向传播器以及基于概率算法搭建的硬件后向训练器。本发明通过在处理器中搭建神经网络的前向传播器，并利用概率计算搭建相应的后向训练硬件电路以替换传统神经网络中的后向训练器，以进一步简化神经网络的硬件架构，减少神经网络训练过程的硬件开销，提高网络训练效率。
-
公开(公告)号：CN113438190B
公开(公告)日：2022-09-02
申请号：CN202110689621.5
申请日：2021-06-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种神经网络训练方法及装置、MIMO均衡器与方法、可读介质，应用于MIMO系统中的接收端信号均衡中，包括：初始化全连接神经网络的权重值，采用训练样本集对全连接神经网络进行训练，其中，训练样本集包括：样本输入数据及其对应的标签数据，其中样本输入数据为MIMO接收端的接收信号向量，标签数据为MIMO发射端的发射信号向量；其中，全连接神经网络包括：前向传播器以及基于概率算法搭建的硬件后向训练器。本发明通过在处理器中搭建神经网络的前向传播器，并利用概率计算搭建相应的后向训练硬件电路以替换传统神经网络中的后向训练器，以进一步简化神经网络的硬件架构，减少神经网络训练过程的硬件开销，提高网络训练效率。
-
公开(公告)号：CN113569523B
公开(公告)日：2024-07-16
申请号：CN202110865824.5
申请日：2021-07-29
Applicant: 电子科技大学
IPC: G06F30/394 , G06F30/27 , G06N3/0464 , G06F115/12
Abstract: 本发明提供了一种基于线序模拟的PCB自动布线方法及系统，包括：对待布线PCB板进行分析，生成PCB板环境矩阵，并确定待布线的PCB板对应的n根目标线；以每根目标线为节点，采用蒙特卡洛法在PCB板环境矩阵中进行线序的迭代模拟：在每次模拟中，结合自动布线算法，生成蒙特卡洛所扩展节点的布线路径，采用评价函数对模拟结果进行评价，根据评价结果对节点状态进行反向更新，迭代次数加一；当达到最大迭代次数时，根据节点的最终状态选择最优线序集合与布线路径。本发明将布线顺序决策作为布线过程中的重要一环，对线序进行随机模拟，决策得到最优布线顺序，提高现有自动布线算法的布通率与智能化程度。
-
公开(公告)号：CN113569523A
公开(公告)日：2021-10-29
申请号：CN202110865824.5
申请日：2021-07-29
Applicant: 电子科技大学
IPC: G06F30/394 , G06F30/27 , G06N3/04 , G06F115/12
Abstract: 本发明提供了一种基于线序模拟的PCB自动布线方法及系统，包括：对待布线PCB板进行分析，生成PCB板环境矩阵，并确定待布线的PCB板对应的n根目标线；以每根目标线为节点，采用蒙特卡洛法在PCB板环境矩阵中进行线序的迭代模拟：在每次模拟中，结合自动布线算法，生成蒙特卡洛所扩展节点的布线路径，采用评价函数对模拟结果进行评价，根据评价结果对节点状态进行反向更新，迭代次数加一；当达到最大迭代次数时，根据节点的最终状态选择最优线序集合与布线路径。本发明将布线顺序决策作为布线过程中的重要一环，对线序进行随机模拟，决策得到最优布线顺序，提高现有自动布线算法的布通率与智能化程度。
-
-
-
Search Results
4
records
(took 0.018 seconds)
