-
公开(公告)号：CN119938589A
公开(公告)日：2025-05-06
申请号：CN202311391029.2
申请日：2023-10-25
Applicant: 中国科学院半导体研究所
Abstract: 本发明提供一种电容耦合忆阻器阵列的存算乘累加电路，包括：依次相连的输入解码电路、脉冲电流产生电路、忆阻器混合阵列电路、模数转换电路；其中，忆阻器混合阵列电路由多个忆阻器混合阵列单元组成；忆阻器混合阵列单元包括：晶体管、忆阻器和电容器；其中，电容器的一端连接晶体管的源极，另一端连接到共同位线的一端上，共同位线的另一端与模数转换电路连接。本发明将电容耦合至忆阻器阵列中，构建忆阻器混合阵列基本单元，再组成混合阵列电路，可以大幅度减少忆阻器阵列并发时的累加电流量，提高了计算效率，精简了外围数字电路。
-
公开(公告)号：CN117875373A
公开(公告)日：2024-04-12
申请号：CN202410166261.4
申请日：2024-02-05
Applicant: 中国科学院半导体研究所
IPC: G06N3/0464 , G06N3/063
Abstract: 本发明提供一种基于神经网络结构的伊辛模型基态搜索方法，包括：基于伊辛模型，根据多质子‑弹簧系统稳态分析方法，建立能量转移的弹簧振动模型，其中伊辛模型包括多个自旋，多个自旋相互之间存在耦合关系；基于弹簧振动模型求解哈密顿方程，并预设迭代公式；通过点卷积映射的方式，将伊辛模型的多个自旋与耦合关系映射到预先构建的神经网络结构；根据迭代公式，利用神经网络结构迭代计算，以搜索伊辛模型的基态。该方法将离散的伊辛模型问题变成连续的能量变化问题，减少了伊辛模型基态搜索时间；通过建立神经网络结构使得伊辛模型求解可以在人工智能芯片上部署，提升整体求解质量以及搜索到基态的效率。
-
公开(公告)号：CN116562347A
公开(公告)日：2023-08-08
申请号：CN202310143879.4
申请日：2023-02-21
Applicant: 中国科学院半导体研究所
Abstract: 本发明提供一种实现softmax函数计算的硬件系统及方法，涉及神经网络的硬件加速领域。本发明对softmax函数计算进行优化，通过稀疏化的方式只选择输出有效位值进行指数计算和存储以降低计算冗余和存储需求，并且采用动态移位更新最大值的方式将最大值求取隐藏在流水线中，提高了计算效率。并且，本发明针对其中复杂的指数及除法运算，确定了不同softmax精度需求的指数及除法单元精度选择的方案，改进了分段线性拟合算法，适用性强，可实现通用非线性函数如指数、除法及s型函数等的运算，操作简单，面积小，功耗低，有很大的实用价值。
-
公开(公告)号：CN116432724A
公开(公告)日：2023-07-14
申请号：CN202310302915.7
申请日：2023-03-23
Applicant: 中国科学院半导体研究所
IPC: G06N3/063 , G06N3/0464
Abstract: 本公开提供了一种神经网络加速器，包括：第一计算引擎，用于对待识别图像进行卷积处理，得到初始识别结果；至少一个第二计算引擎，用于对所述初始识别结果进行卷积处理，得到所述图像识别结果，其中，所述第一计算引擎和多个所述第二计算引擎依次以串联的形式连接，所述第一计算引擎和所述第二计算引擎中的每一个计算引擎对应神经网络算法的一层。
-
公开(公告)号：CN116091942A
公开(公告)日：2023-05-09
申请号：CN202310168407.4
申请日：2023-02-16
Applicant: 中国科学院半导体研究所
Abstract: 本公开提供了一种特征增强与融合的小目标检测方法，包括：将预设尺寸的小目标图像输入Focus网络之后，进行卷积计算，得到初始特征图；将初始特征图输入浅层特征增强网络结构，得到N组浅层特征图；将第N个浅层特征增强网络模块输出的浅层特征图输入深层特征提取网络结构，得到深层特征图；深层特征图输入跨层特征融合网络结构，得到N组特征融合图，跨层特征融合网络结构包括N个依次连接的跨层特征融合模块，第k个跨层特征融合模块将上一跨层特征融合模块输出的特征融合图和第N—k+1个浅层特征增强网络模块输出的浅层特征图融合；基于目标检测器对深层特征图和N组特征融合图进行目标检测，定位小目标。该方法可实现小目标的高精度检测。
-
Patent Agency Ranking
公开(公告)号：CN110659734B
公开(公告)日：2022-12-23
申请号：CN201910931215.8
申请日：2019-09-27
Applicant: 中国科学院半导体研究所
Abstract: 一种深度可分离卷积结构的低比特量化方法，该方法包括：选择量化系数对训练结束的深度可分离卷积神经网络的权重和特征图数据进行均匀量化；对训练结束的深度可分离卷积神经网络中的权重进行逐通道量化；利用特征图数据对深度可分离卷积神经网络进行逐层量化；基于训练集在训练结束的深度可分离卷积神经网络中进行前向运算，并对批量归一化层中的滑动平均参数进行更新；将更新后的批量归一化层中的滑动平均参数和可学习的参数融合到网络权重量化系数和偏置中，实现深度可分离卷积结构的低比特量化。本发明提供的深度可分离卷积结构的低比特量化方法无需任何有标签数据参与、计算简单且与传统方法相比提高了低比特量化后的准确率。
-
公开(公告)号：CN112734023A
公开(公告)日：2021-04-30
申请号：CN202110144811.9
申请日：2021-02-02
Applicant: 中国科学院半导体研究所
Abstract: 本发明提供了一种用于循环神经网络的激活函数的可重构电路，包括原码转换电路、一比特移位器、二比特移位器、第一选择器、第一反相器、误差补偿单元、乘法器单元、第二选择器、第二反相器和镜像电路；本发明采用重构复用的方式，以同一套电路结构，实现两种不同的激活函数，节省了硬件资源。本发明针对8比特数据位宽，进行误差补偿设计，可实现更高的计算精度。本发明的循环神经网络激活函数不占用片上存储资源，面积小，功耗低，可用于大规模网络加速器的设计中。
-
公开(公告)号：CN111526103A
公开(公告)日：2020-08-11
申请号：CN201910106383.3
申请日：2019-02-01
Applicant: 中国科学院半导体研究所 , 中国科学院大学
Abstract: 本发明公开了一种基于遗传改进粒子滤波算法的PCMA信号单通道盲分离方法，包括：确定参数的取值范围和分布，并对信号及信道参数进行初始估计；通过建立多个状态分布，然后根据估计参数及产生预测符号序列生成预测信号；根据每个粒子对应的预测信号与真实信号的相似系数计算评价结果，得到粒子概率值，并且引入遗传算法中的选择交叉操作产生新粒子；对当前所有粒子根据评价值进行排序，产生优选粒子；后续加入二分法不断优化粒子，输出分离的符号序列优选值；对信号进行分段码元估计形成闭环，以减少计算复杂度。本方法对调制信道参数估计误差具有较强的鲁棒性，且具有较现有方法更高的分离准确率。
-
公开(公告)号：CN110969165A
公开(公告)日：2020-04-07
申请号：CN201911210562.8
申请日：2019-11-28
Applicant: 中国科学院半导体研究所
Abstract: 一种手写字符识别方法，应用于计算机技术领域，包括：获取待识别的手写字符图片，生成与该待识别的手写字符图片字符相同的模板字符图片，将该模板字符图片输入给深度匹配神经网络，以使该深度匹配神经网络提取该模板字符图片的模板字符特征，将该待识别的手写字符图片输入给该深度匹配神经网络，以使深度匹配神经网络根据模板字符特征识别待识别的手写字符图片。本申请还公开了一种手写字符识别装置、电子设备及存储介质，可有效识别手写字符。
-
公开(公告)号：CN107402367B
公开(公告)日：2019-12-03
申请号：CN201710777151.1
申请日：2017-08-31
Applicant: 中国科学院半导体研究所
Abstract: 一种基于典型关联分析的电流互感器角差的确定方法，包括：采样工作电流，获取工作信号Iz(n)，并进行移相，确定移相工作信号Izs(n)，并确定工作信号矩阵S；产生测试电流，与工作电流共同输出至电流互感器，采样电流互感器的输出获取混合信号Ig(n)，确定测试信号It(n)，将所述It(n)进行移相，确定移相测试信号Its(n)，并确定测试信号矩阵T；对Ig(n)、S和T采用典型关联分析算法，确定不包括幅值的测试电流输出信号Itp(n)；以及确定It(n)与Itp(n)过零点位置的偏差，以确定电流互感器角差。本发明降低了复杂度，提高了算法的鲁棒性，便于实现。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.027 seconds)
