-
公开(公告)号：CN112132273A
公开(公告)日：2020-12-25
申请号：CN202010999529.4
申请日：2020-09-22
Applicant: 中国科学院计算技术研究所
IPC: G06N3/063
Abstract: 本发明提供了一种计算装置、处理器、电子设备和计算方法，其中，计算装置包括：逻辑运算单元、匹配单元和存储单元；所述匹配单元将接收的三值形式的计算元素匹配为二值形式的计算元素输出给所述逻辑运算单元；所述逻辑运算单元包括与或非门运算单元，所述与或非门运算单元对接收的二值形式的计算元素执行与或非逻辑运算，获得二值形式的计算结果，其中，所述计算元素包括特征值和对应的权重值；所述存储单元将完成运算的所述二值形式的计算结果转换为三值形式的计算结果并存储。本发明可以实现同时处理二值神经网络和三值神经网路。
-
公开(公告)号：CN109325590B
公开(公告)日：2020-11-03
申请号：CN201811071801.1
申请日：2018-09-14
Applicant: 中国科学院计算技术研究所
IPC: G06N3/063
Abstract: 本发明提供一种用于神经网络处理器的数据压缩装置、配套的数据解压装置，以及一种精度可变的神经网络处理器。所述数据压缩装置包括：一个舍入单元、一个第一比较器、一个第二比较器、和一个第一多路选择器，用于将m位的待压缩数据转换为n位的压缩结果O，n
-
公开(公告)号：CN107291419B
公开(公告)日：2020-07-31
申请号：CN201710311728.X
申请日：2017-05-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了用于神经网络处理器的浮点乘法器及浮点数乘法。该浮点乘法器对待相乘的两个操作数的尾数进行匹配以选择不同的操作模式来获得乘积的尾数，在两个操作数的尾数高四位相匹配时直接输出其中一个操作数的尾数，在两个操作数的尾数高三位相匹配时先截取这两个操作数的尾数的部分位并在所截取的数的高位处补1，然后再进行乘法计算并输出结果，如果不满足上述条件才对这两个操作数的尾数进行乘法运算以得到所述乘积的尾数。该浮点乘法器在执行乘法操作时采用近似计算和精确计算结合的方式，采用数据替换和部分位相乘等具有较低能量损耗的工作在不牺牲较大工作精度的同时提高了乘法操作的工作能效，也使得神经网络处理系统性能更加高效。
-
公开(公告)号：CN110580519A
公开(公告)日：2019-12-17
申请号：CN201910762642.8
申请日：2019-08-19
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种卷积运算结构及其方法。所述卷积运算结构，包括转换单元结构，所述转换单元结构包括：第一寄存器组、第二寄存器组、乘法器、加法器、中间结果寄存器组，其中，所述第一寄存器组和所述第二寄存器组被控制为，在第一回合计算过程中，对由它们所分别存储的第一矩阵和第二矩阵通过所述乘法器和加法器执行矩阵乘法，并将通过所述矩阵乘法得到的第一结果矩阵存储至所述中间结果寄存器组；并且所述第二寄存器组和所述中间结果寄存器组被控制为，在第二回合计算过程中，对由它们所分别存储的第三矩阵以及所述第一结果矩阵通过所述乘法器和加法器执行矩阵乘法，并将通过所述矩阵乘法得到的第二结果矩阵存储至所述第一寄存器组。
-
公开(公告)号：CN110222846A
公开(公告)日：2019-09-10
申请号：CN201910393609.2
申请日：2019-05-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种面向互联网终端的信息安防方法及信息安防系统，其中，信息安防方法适用于用户的终端设备，信息安防方法包括：步骤1，终端设备获取用于检测有害信息的信息识别模型的离线训练结果，并根据该离线训练结果，初始化或更新信息识别模型的参数和权重；步骤2，终端设备接收外部的信息数据，并根据信息数据的数据种类，生成信息数据的待检测样本，并根据信息识别模型、参数以及权重，利用前向运算，检测待检测样本，生成信息识别结果；步骤3，终端设备根据信息识别结果，对接收到的信息数据进行处理。通过本发明的技术方案，有效阻止了有害信息的传播至用户，解决了由于数据量过大而导致云端或服务器端或路由器端信息处理遗漏问题。
-
Patent Agency Ranking
公开(公告)号：CN108510065A
公开(公告)日：2018-09-07
申请号：CN201810275313.6
申请日：2018-03-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种应用于长短时记忆神经网络的计算装置和计算方法。该计算装置包括：计算单元，用于执行长短时记忆神经网络的遗忘门函数、输入门函数、输出门函数以及记忆单元状态的计算；向量计算单元，用于基于长短时记忆神经网络的上一时刻的记忆单元状态值向量和计算获得的当前时刻的遗忘门值向量、当前时刻的输入门值向量、当前时刻的输出门值向量和当前时刻的记忆单元的即时状态值向量获得长短时记忆神经网络的当前时刻的输出值向量以及当前时刻的记忆单元状态值向量。根据本发明的计算方法和计算装置能够提高长短时记忆神经网络的资源利用率和计算效率。
-
公开(公告)号：CN108376285A
公开(公告)日：2018-08-07
申请号：CN201810244102.6
申请日：2018-03-23
Applicant: 中国科学院计算技术研究所
IPC: G06N3/063
Abstract: 本发明涉及一种面向多变异体LSTM的神经网络加速器，包括存储单元，用于存储LSTM或其变异体网络的神经元数据和权值数据并输出；矩阵乘法单元，用于从所述存储单元接收数据并针对所述接收的数据执行向量乘累加运算并输出运算结果；多功能运算单元，用于从所述向量乘法运算单元接收数据，并针对所述接收的数据执行与LSTM或其变异体网络对应的特定运算并输出运算结果；激活单元，用于从所述多功能运算单元和所述存储单元接收数据，并针对所述接收的数据执行激活操作并输出激活结果；向量平行乘法与加法单元，用于从所述激活单元和所述存储单元接收数据，并针对所述接收的数据执行乘法和累加操作。
-
公开(公告)号：CN107944545A
公开(公告)日：2018-04-20
申请号：CN201711102485.5
申请日：2017-11-10
Applicant: 中国科学院计算技术研究所
IPC: G06N3/04
CPC classification number: G06N3/0454
Abstract: 本发明提供了一种应用于神经网络的计算方法和计算装置。该计算方法包括以下步骤：获取仅包含数值1和-1权重的二值卷积核；将所述二值卷积核分解为初始卷积核和特征卷积核，其中，所述初始卷积核和所述特征卷积核与所述二值卷积核的维数相同，所述初始卷积核是由数值为1的权重构成的矩阵，所述特征卷积核是相对于所述二值卷积核保留了数值为-1的权重所形成的矩阵；基于所述初始卷积核和所述特征卷积核执行神经网络中的卷积计算。利用本发明的计算方法和计算装置能够提高卷积计算的效率并节省存储电路的开销。
-
公开(公告)号：CN107918794A
公开(公告)日：2018-04-17
申请号：CN201711127564.1
申请日：2017-11-15
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种神经网络处理器。该处理器包括：至少一个计算单元，由主处理器和计算阵列构成，其中，所述计算阵列由多个处理单元组织为行列二维矩阵形式，所述主处理器控制将神经元数据和权重值加载至所述计算阵列，接收到所述神经元数据和权重值的处理单元进行乘累加运算并将所述神经元数据与权重值沿不同方向传递给下一级处理单元；以及控制单元，用于控制所述计算单元执行神经网络的相关计算。利用本发明的计算装置能够加快神经网络的计算速度并降低计算过程中对带宽的需求。
-
公开(公告)号：CN107622305A
公开(公告)日：2018-01-23
申请号：CN201710733525.X
申请日：2017-08-24
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种用于神经网络的处理器，该处理器包括：存储单元，其用于存储数据和指令；控制单元，其用于获得保存在所述存储单元的指令并发出控制信号；计算单元，其用于从所述存储单元获得神经网络中的一层的节点值和对应的权重值以获得下一层的节点值，其中，当至少待计算元素之一小于阈值时，该计算单元不执行该计算元素的乘法操作，所述待计算元素包括节点值和权重值。利用本发明的处理器，能够提高神经网络的计算效率并节省功耗。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.055 seconds)
