-
公开(公告)号:CN111667053B
公开(公告)日:2023-05-09
申请号:CN202010484509.3
申请日:2020-06-01
Applicant: 重庆邮电大学
IPC: G06N3/0464 , G06N3/048 , G06N3/063 , G06N3/08
Abstract: 本发明涉及通信技术,特别涉及一种卷积神经网络加速器的前向传播计算加速方法,所述加速器包括上位机和FPGA模块,其中FPGA模块设置有两个端口,这两个端口分别按照奇数行、偶数行的规则读取上位机训练得到的M×M个权重、以及图片大小为M×M像素的像素信息;本发明与现有技术相比抛开数据上传云端的限制,减轻计算压力,并且本发明采用的FPGA模块作为可编程逻辑器件,拥有丰富计算逻辑、高灵活性和可扩展性、开发周期短、低能耗以及易修改等优势。
-
公开(公告)号:CN114326165A
公开(公告)日:2022-04-12
申请号:CN202111578363.X
申请日:2021-12-22
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于神经网络的微环谐振器热稳定系统及其调谐方法,其包括:微环谐振器、与微环绝对温度成比例(Proportional To Absolute Temperature,PTAT)温度传感器、神经网络处理器以及微加热器,其中微环谐振器与PTAT温度传感器相连接,PTAT温度传感器与神经网络处理器相连接,神经网络处理器通过反馈回路与微加热器相连接,所述微加热器置于微环谐振器的耦合器下方;PTAT温度传感器实时测量微环谐振器的温度,神经网络处理器通过学习微环谐振器温度与加热器电压间先验关系样本,使用梯度下降法优化表征热调谐误差精度的损失函数值,从而得到实时温度下的加热器电压,所述加热器施加此加热电压以调节微环温度,保持微环谐振器热稳定。
-
公开(公告)号:CN118821862B
公开(公告)日:2025-05-13
申请号:CN202410807969.3
申请日:2024-06-21
Applicant: 重庆邮电大学
IPC: G06N3/0464 , G06N3/067
Abstract: 本发明提供一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器,包括:多个瓦片,各个瓦片与光路由器进行通信;瓦片包括:光学矩阵向量乘法模块和非线性模块;光学矩阵向量乘法模块包括:输入信号模块、光学矩阵向量运算模块以及输出信号模块;输入信号模块包括:激光器阵列、波分复用器和分光器;激光器阵列产生n个不同波长的连续光信号;波分复用器将n个不同波长的连续光信号复用到同一波导得到复用光信号;分光器将复用光信号进行分光得到k路分光信号;光学矩阵向量运算模块通过嵌入的PN结对输入分光信号进行调制,通过添加的GST模拟权重,将k路调制光信号转换成电信号;非线性模块对k个电信号进行非线性运算得到计算结果。
-
公开(公告)号:CN118821862A
公开(公告)日:2024-10-22
申请号:CN202410807969.3
申请日:2024-06-21
Applicant: 重庆邮电大学
IPC: G06N3/0464 , G06N3/067
Abstract: 本发明提供一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器,包括:多个瓦片,各个瓦片与光路由器进行通信;瓦片包括:光学矩阵向量乘法模块和非线性模块;光学矩阵向量乘法模块包括:输入信号模块、光学矩阵向量运算模块以及输出信号模块;输入信号模块包括:激光器阵列、波分复用器和分光器;激光器阵列产生n个不同波长的连续光信号;波分复用器将n个不同波长的连续光信号复用到同一波导得到复用光信号;分光器将复用光信号进行分光得到k路分光信号;光学矩阵向量运算模块通过嵌入的PN结对输入分光信号进行调制,通过添加的GST模拟权重,将k路调制光信号转换成电信号;非线性模块对k个电信号进行非线性运算得到计算结果。
-
公开(公告)号:CN116320838A
公开(公告)日:2023-06-23
申请号:CN202211674182.1
申请日:2022-12-26
Applicant: 重庆邮电大学
IPC: H04Q11/00
Abstract: 本发明公开了一种新型三维片上光网络架构及路由方法,所述架构包括每个IP核同时连接两个物理位置相互垂直光路由器的拓扑结构3D DCMesh和六端口全互连无阻塞光路由器Rax。所述路由方法SLFXY可以契合3D DCMesh架构,提供较短的光传输路径。由此,在具有三维网络结构相关优势的同时,还可以减少垂直方向上的信号串扰和损耗以及光传输路径长度,缩小了芯片面积,减少资源消耗,实现低损耗、低串扰,高信噪比的数据传输。
-
公开(公告)号:CN114662658A
公开(公告)日:2022-06-24
申请号:CN202210237289.3
申请日:2022-03-11
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于LSTM神经网络的片上光网络热点预测方法,通过对片上光网络中每个节点的流量值进行清洗、归一化和划分后获取训练数据与测试数据;为适应片上光网络中具有多节点特征搭建了一种多输入输出LSTM神经网络模型,并将训练数据输入该模型进行训练;得到训练模型后再将数据输入到该模型得到每个节点的预测流量值。相比较传统的建模方法来说,LSTM神经网络具有自学习与自适应强等特点,因此可以利用该特点分析并预测网络中节点的热点变化情况。相比较当前比较典型的预测模型循环神经网络(RNN)和门循环单元(GRU)来说,本模型的均方误差分别降低了8.57%与15.7%,拟合度分别提高了3.35%和1.73%。
-
公开(公告)号:CN111667053A
公开(公告)日:2020-09-15
申请号:CN202010484509.3
申请日:2020-06-01
Applicant: 重庆邮电大学
Abstract: 本发明涉及通信技术,特别涉及一种新型卷积神经网络加速器及其前向传播计算加速方法,所述加速器包括上位机和FPGA模块,其中FPGA模块设置有两个端口,这两个端口分别按照奇数行、偶数行的规则读取上位机训练得到的M×M个权重、以及图片大小为M×M像素的像素信息;本发明与现有技术相比抛开数据上传云端的限制,减轻计算压力,并且本发明采用的FPGA模块作为可编程逻辑器件,拥有丰富计算逻辑、高灵活性和可扩展性、开发周期短、低能耗以及易修改等优势。
-
-
-
-
-
-