-
公开(公告)号：CN114281301B
公开(公告)日：2023-06-23
申请号：CN202111326187.0
申请日：2021-11-10
Applicant: 电子科技大学
IPC: G06F7/544
Abstract: 本发明属于智能处理器技术领域，具体提供一种支持内部数据乒乓的高密度存内计算乘加单元电路，用以解决现有技术存在的运算速度慢、运算效率低的问题。本发明在现有存内计算乘加单元中，将SRAM阵列成倍加大并分块划分形成逻辑上交叠的多个SRAM子阵列，用以作为实现数据乒乓操作的电路支持，通过内部数据乒乓操作减少甚至消除了切换的等待时间，大大提高计算效率；并且，成倍加大的SRAM阵列能够填补于实际集成电路中硅片上的空白区域，并不会增大电路面积，反而提高电路的硅片面积利用率。因此，本发明具有提升CIM架构芯片面效比及能效比的优点，乒乓结构提供了更加灵活的数据配置方案，且不限于使用全数字累加树、模拟域运算读出等方式。
-
公开(公告)号：CN113032013B
公开(公告)日：2023-03-28
申请号：CN202110518021.2
申请日：2021-05-12
Applicant: 成都商汤科技有限公司 , 电子科技大学
Abstract: 本申请提出一种数据传输方法、芯片、设备和存储介质。其中，上述芯片可以包括指令处理器，以及与上述指令处理器连接的指令存储器。上述方法可以包括，通过上述指令存储器获取指令，以及存储于外部存储器的执行数据。其中，上述执行数据包括执行上述指令所需的数据。将上述指令以及上述执行数据输入上述指令处理器。通过上述指令处理器将上述指令以及上述执行数据传输至上述芯片包括的寄存器阵列中，以使各计算内核根据上述执行数据执行上述指令。
-
公开(公告)号：CN115312095B
公开(公告)日：2023-01-03
申请号：CN202211233925.1
申请日：2022-10-10
Applicant: 电子科技大学
IPC: G11C11/413 , G06F7/544
Abstract: 本发明的目的在于提供一种支持内部数据更新的存内计算流水乘加电路，属于存内计算技术领域。该电路在每列SRAM的同一条位线上除了设置有用于计算的乒乓结构的SRAM单元组之外，还设置若干个只支持存储的普通SRAM单元，作为权重缓冲单元；此外，电路中的乘法部分采用流水线工作方式，减小了后续加法树等组合逻辑的规模，让电路能以更低的电压或者更高的频率工作。两种方式的设计，使得电路减少了更新的能量消耗，且提升了最大算力。
-
公开(公告)号：CN114417814B
公开(公告)日：2022-11-15
申请号：CN202111531641.6
申请日：2021-12-14
Applicant: 桂林电子科技大学
IPC: G06F40/205 , G06F16/33 , G06F16/332 , G06F40/247
Abstract: 本发明涉及情绪侦测与情感分析技术领域，具体地说，涉及一种基于情感知识增强的词语分布式表示学习系统，其包括情感知识整合框架和弱监督知识生成框架；情感知识整合框架包括知识查询模块，知识整合模块以及词表示生成模块；弱监督知识生成框架用于生成一个领域情感词典DSD，DSD整合了目标领域的无标签文本、领域独立的情感词典和目标领域文本的标签三部分的资源。本发明能较佳地进行情感知识整合。
-
公开(公告)号：CN114612309A
公开(公告)日：2022-06-10
申请号：CN202210512559.7
申请日：2022-05-12
Applicant: 电子科技大学
Abstract: 一种全片上动态可重构超分辨率装置，属于图像处理技术领域。所述全片上动态可重构超分辨率装置包括预处理电路、算术运算电路、插值电路和后处理电路；预处理电路包括权重缓冲器、输入缓冲器和输入图像色彩空间转换电路，算术运算电路包括数据重分配电路、卷积计算块、共享加法树电路和层间缓冲器，插值电路包括最近邻插值电路和临时缓冲器，后处理电路包括输出整形电路和输出图像色彩空间转换电路。本发明采用卷积压缩、卷积分解和PE重映射的映射策略以及多个动态可重构PE计算单元组成的卷积计算块，极大的降低了反卷积运算的计算量，提高了反卷积运算的运算效率，有效消除了无效计算，避免了计算负载不均衡的问题。
-
Patent Agency Ranking
公开(公告)号：CN110008469B
公开(公告)日：2022-06-07
申请号：CN201910207179.0
申请日：2019-03-19
Applicant: 桂林电子科技大学
IPC: G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明提出一种多层次命名实体识别方法，包括：S1对数据文本进行预处理，得到词汇表C；S2利用预训练好的词向量，结合文本的字符特征信息序列，得到的文本的向量表示；S3对所述文本的向量表示进行编码，得到编码后的文本特征向量序列；S4把所述文本特征向量序列用CRF模型进行解码，标注出所述文本特征向量序列中的实体；S5把标记处的实体的前文信息、后文信息以及该实体的信息作为后续的识别过程的候选序列；S6将所述文本特征向量序列以及所述候选序列，输入到基于注意力机制的推理单元，计算得到注意力向量；S7把所述注意力向量和所述文本特征向量序列输入到CRF模型中，标注出序列中的实体。
-
公开(公告)号：CN114564639A
公开(公告)日：2022-05-31
申请号：CN202210114867.4
申请日：2022-01-31
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06Q50/20
Abstract: 本发明公开了一种基于深度会话兴趣交互模型的课程推荐方法，其特征主要包括：筛选和预处理用户数据，将用户与项目的行为信息按照时间排序，并以一天为时间间隔划分会话；为了刻画用户动态变化的兴趣，丰富用户兴趣表示，将GRU应用于捕获用户动态偏好中；接下来，将用户最近行为数据和动态兴趣表示输入到第二层Attention网络中，得到用户的多角度兴趣表示；最后，将用户的多角度兴趣表示和课程向量表示做内积，选择每个候选项目得分高的为学生进行推荐，从而解决目前基于课程推荐方法中，没有考虑到用户与项目的交互过程存在噪声项目的影响以及静态且低秩的向量无法充分表达用户的兴趣的问题。
-
公开(公告)号：CN114237550A
公开(公告)日：2022-03-25
申请号：CN202111337903.5
申请日：2021-11-10
Applicant: 电子科技大学
Abstract: 本发明属于智能处理器技术领域，具体提供一种基于Wallace树的多输入移位求和累加器，包括：异或门阵列、初始进位向量生成模块、Wallace压缩树、4‑2压缩器、累加寄存器及加法器；本发明通过异或门阵列和初始进位向量生成模块将原码和减法操作一次性转换为补码加法用于Wallace树，提供对多数据格式和加减法的原生支持，节省硬件开销；再基于4‑2压缩器与累加寄存器实现累加，4‑2压缩器将Wallace树的2个输出值与累加寄存器中存储值进行压缩得到2个中间结果、并输出至累加寄存器中更新存储值，节省了对Wallace树结果求和的进位链开销，同时在累加寄存器前移除了全加器进位链，极大地方便了流水线的设计，有利于提高时钟频率和累加效率。
-
公开(公告)号：CN113743097A
公开(公告)日：2021-12-03
申请号：CN202110969975.5
申请日：2021-08-23
Applicant: 桂林电子科技大学
IPC: G06F40/247 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明涉及情感分析技术领域，具体地说，涉及一种基于跨度共享和语法依存关系增强的情感三元组抽取方法，其包括以下步骤：一、通过编码器层获得特征表示；二、通过依赖图神经网络层增强语义表示；三、生成跨度并对过滤掉无效跨度；四、通过情感分类器完成分类。本发明能较佳地抽取三元组。
-
公开(公告)号：CN113704235A
公开(公告)日：2021-11-26
申请号：CN202110887444.1
申请日：2021-08-03
Applicant: 桂林电子科技大学
IPC: G06F16/215 , G06N3/04 , G06N3/08
Abstract: 本发明涉及机器学习，深度学习及数据挖掘等技术领域，具体是一种基于自注意力机制的深度知识追踪模型。针对目前基于循环神经网络的知识追踪方法中普遍存在的可解释性差和长期依赖问题，提供了一种基于自注意力机制的模型，在一定程度提高可解释性且没有长期依赖问题。且利用了学习过程中的时间信息，以时间信息代替位置编码，结合遗忘曲线理论，模拟学习过程中的遗忘行为，同时，使用以知识点信息为主，以题目信息为辅，两者结合的建模方法，以保留题目的差异信息且避免了题目数量过多带来的参数爆炸，造成模型难以训练的问题。
-
-
-
-
-
-
-
-
-
Search Results
271
records
(took 0.03 seconds)
