-
公开(公告)号：CN108875915A
公开(公告)日：2018-11-23
申请号：CN201810599692.4
申请日：2018-06-12
Applicant: 辽宁工程技术大学
Abstract: 本发明提供一种面向嵌入式应用的深度对抗网络优化方法，涉及电子信息技术领域。该方法包括：通过亚星素卷积神经网络改进典型的生成式对抗网络模型；根据改进的生成式对抗网络模型构建生成式对抗网络系统；对生成式对抗网络系统中每个硬件加速器的卷积模块进行优化；对生成式对抗网络系统中每个硬件加速器的Swish激活函数模块进行优化。本发明提供的一种面向嵌入式应用的深度对抗网络优化方法，从架构和硬件加速器设计两个层次进行优化，首先对生成式对抗网络的结构进行优化，开发相应的硬件加速器架构，以便在嵌入式平台上更易于实现，其次对硬件加速器进行相应的设计，降低硬件资源占用率，提高吞吐率，具有高通量、低功耗和可配置等特点。
-
公开(公告)号：CN108875915B
公开(公告)日：2019-05-07
申请号：CN201810599692.4
申请日：2018-06-12
Applicant: 辽宁工程技术大学
Abstract: 本发明提供一种面向嵌入式应用的深度对抗网络优化方法，涉及电子信息技术领域。该方法包括：通过亚星素卷积神经网络改进典型的生成式对抗网络模型；根据改进的生成式对抗网络模型构建生成式对抗网络系统；对生成式对抗网络系统中每个硬件加速器的卷积模块进行优化；对生成式对抗网络系统中每个硬件加速器的Swish激活函数模块进行优化。本发明提供的一种面向嵌入式应用的深度对抗网络优化方法，从架构和硬件加速器设计两个层次进行优化，首先对生成式对抗网络的结构进行优化，开发相应的硬件加速器架构，以便在嵌入式平台上更易于实现，其次对硬件加速器进行相应的设计，降低硬件资源占用率，提高吞吐率，具有高通量、低功耗和可配置等特点。
-
公开(公告)号：CN111162793A
公开(公告)日：2020-05-15
申请号：CN202010026778.5
申请日：2020-01-10
Applicant: 辽宁工程技术大学
IPC: H03M7/30
Abstract: 一种基于残差衰减率的信号重构方法，它属于压缩感知信号的重构技术领域。本发明解决了在输入原始信号的稀疏度未知时，如何对设置的稀疏度K值进行合理更新，进而快速准确的恢复出重构信号的问题。本发明使用匹配追踪迭代过程中的残差值，计算出相邻迭代的残差衰减率，将相邻两次的残差衰减率变化情况和输入信号的稀疏度相对应，以此来控制匹配追踪过程中稀疏度的更新，以确定支撑集中原子的数量，实现原始信号的精确快速重构。本发明相比于传统方法，在匹配追踪收敛速度上和信号的重构准确率上具有更好的性能。本发明可以应用于原始输入信号的重构。
-
公开(公告)号：CN111162793B
公开(公告)日：2023-03-21
申请号：CN202010026778.5
申请日：2020-01-10
Applicant: 辽宁工程技术大学
IPC: H03M7/30
Abstract: 一种基于残差衰减率的信号重构方法，它属于压缩感知信号的重构技术领域。本发明解决了在输入原始信号的稀疏度未知时，如何对设置的稀疏度K值进行合理更新，进而快速准确的恢复出重构信号的问题。本发明使用匹配追踪迭代过程中的残差值，计算出相邻迭代的残差衰减率，将相邻两次的残差衰减率变化情况和输入信号的稀疏度相对应，以此来控制匹配追踪过程中稀疏度的更新，以确定支撑集中原子的数量，实现原始信号的精确快速重构。本发明相比于传统方法，在匹配追踪收敛速度上和信号的重构准确率上具有更好的性能。本发明可以应用于原始输入信号的重构。
-
-
-
Search Results
4
records
(took 0.019 seconds)
