存算一体处理器、数据处理方法和计算机设备

    公开(公告)号:CN119670830A

    公开(公告)日:2025-03-21

    申请号:CN202510199885.0

    申请日:2025-02-24

    Abstract: 本申请涉及一种存算一体处理器、数据处理方法和计算机设备,包括:控制模块和数据模块,控制模块与数据模块连接;数据模块包括存储单元和存算一体处理引擎,存算一体处理引擎与存储单元连接;存算一体处理引擎包括N个存算一体处理单元和第一计算器组,存算一体处理单元与第一计算器组连接;各存算一体处理单元包括M个存算一体阵列单元和第二计算器组,存算一体阵列单元与第二计算器组连接;各存算一体阵列单元包括存算一体阵列、阵列控制单元和读出电路,存算一体阵列包括多个交叉排布的存算器件;控制模块用于控制存算一体处理引擎从存储单元获取数据,并指示存算一体处理引擎计算所获取的数据。本申请支持数据并行计算,提升了计算效率。

    一种基于阻变存储器的模型训练方法、装置、介质及设备

    公开(公告)号:CN117744731A

    公开(公告)日:2024-03-22

    申请号:CN202311686862.X

    申请日:2023-12-07

    Abstract: 本说明书公开了一种基于阻变存储器的模型训练方法、装置、介质及设备。通过对各初始网络权重以预设的网络权重范围进行预调整,而后根据预设的尺度参数以及各调整后网络权重中的最大值将各调整后网络权重转化为阻变存储器的电导值,通过将样本数据转化为电压值控制阻变存储器输出电流,并在阻变存储器输出电流后,先将阻变存储器中的各电导值对应的网络权重替换目标模型中的各网络权重,而后以阻变存储器输出的电流的电流值对应的预测结果以及样本数据对应的实际标签对替换了网络权重的目标模型进行训练,更合理的将各初始网络权重映射为阻变存储器中的各电导值,解决了阻变存储器中的电导值写入误差问题对模型训练的影响,提高了模型训练效率。

    一种基于忆阻器的无人车避障方法及装置

    公开(公告)号:CN117666569A

    公开(公告)日:2024-03-08

    申请号:CN202311564774.2

    申请日:2023-11-21

    Abstract: 在本说明书提供的一种基于忆阻器的无人车避障方法及装置中,参考模糊控制算法,通过获取无人车前方和两侧到障碍物最近的距离,作为输入变量,并对各输入变量通过忆阻器阵列进行模糊化处理,得到线速度输出矩阵和角速度输出矩阵。将各输入变量通过隶属度函数组,确定隶属度矩阵,并通过代价函数得到模糊推理参数,进而确定权重矩阵,实现了模糊推理。通过线速度输出矩阵、角速度输出矩阵、权重矩阵、预设的线速度参数矩阵及角速度参数矩阵,通过去模糊化处理确定线速度和角速度,用于控制该无人车避障,达到了低功耗、低延时的无人车的精准避障。

    一种存算一体基本运算装置

    公开(公告)号:CN117289896B

    公开(公告)日:2024-02-20

    申请号:CN202311547164.1

    申请日:2023-11-20

    Abstract: 本发明公开了一种存算一体基本运算装置,其中:存算一体单元包括至少一个存算一体阵列,每个存算一体阵列包括阵列式排布的若干存算器件,存算器件用于进行权重值存储以及矩阵计算;控制单元用于对存算一体阵列进行控制并结合外部控制信号对写验证模块、读/计算模块进行相应控制;写验证模块用于结合外部输入数据对选通的存算器件进行直接写操作或者写验证操作,进行脉冲宽度及脉冲个数的计算;读/计算模块用于对选通的存算器件或者写验证模块进行读操作,结合外部输入数据进行计算操作并将结果输出至移位器中,并在运算完成后通过控制加/减法器控制运算结果的输出;移位器和加/减法器相连,用于对读/计算模块的计算结果进行乘累加运算操作。

    忆阻阵列的测试系统及其测试方法及计算机可读存储介质

    公开(公告)号:CN117352039A

    公开(公告)日:2024-01-05

    申请号:CN202311427604.X

    申请日:2023-10-30

    Abstract: 本申请提供一种忆阻阵列的测试系统及其测试方法及计算机可读存储介质。该测试系统包括测试仪、控制模块及开关级联模块。测试仪用于为待测的忆阻阵列提供激励源和测量功能,测试仪与控制模块通讯连接。忆阻阵列包括呈矩阵排布的多个存储单元及多个地址管脚,每一个存储单元具有对应的地址管脚,测试仪具有多个资源通道,测试仪的资源通道的数量少于忆阻阵列的地址管脚的数量,测试仪中的至少部分资源通道通过开关级联模块连接到忆阻阵列的多个地址管脚,控制模块用于对开关级联模块进行控制,以将测试仪的至少部分资源通道选通至忆阻阵列中待测存储单元的对应地址管脚。本申请能够实现忆阻阵列自动化和快速测试的需求。

    基于阻变存储器的图卷积网络文献识别装置与方法

    公开(公告)号:CN115905546B

    公开(公告)日:2023-07-14

    申请号:CN202310017218.7

    申请日:2023-01-06

    Abstract: 本发明公开了基于阻变存储器的图卷积网络文献识别装置与方法,对文献识别数据集进行训练集和测试集的构建;构建基于阻变存储器的浮点图卷积网络模型,用训练集进行预训练,得到预训练的模型参数;根据浮点图卷积网络模型,构建基于阻变存储器的训练阶段的图卷积网络量化模型;将训练集输入训练阶段的图卷积网络量化模型,进行量化感知训练,得到每层输出值的截断位宽、损失函数的权值,以及量化感知训练后的模型参数;根据训练阶段的图卷积网络量化模型,构建基于阻变存储器的推理阶段的图卷积网络量化模型;将量化感知训练后的模型参数映射到阻变存储器上,并将测试集输入到基于阻变存储器的推理阶段的图卷积网络量化模型,进行前向推理测试。

    一种基于脉冲神经网络的睡眠类型分类方法和装置

    公开(公告)号:CN115429293B

    公开(公告)日:2023-04-07

    申请号:CN202211373110.3

    申请日:2022-11-04

    Abstract: 本发明公开一种基于脉冲神经网络的睡眠类型分类方法和装置,该方法包括:步骤一,获取开源睡眠脑电图数据集;步骤二,将数据集中脑电图信号分割成多个第一片段信号,删除不需要的第一片段信号,并归一化剩余的第一片段信号;步骤三,分割归一化后的第一片段信号,得到第二片段信号;步骤四,将每一个第二片段信号进行事件编码,获得第二片段事件信号,并分为训练集和测试集;步骤五,构建脉冲神经网络模型及其损失函数进行各项参数梯度求解;步骤六,在训练集上进行脉冲神经网络模型优化训练,利用训练好的脉冲神经网络模型对测试集进行识别,实现睡眠类型分类。本发明相比传统神经网络分类检测具有计算量更少、更节能的优点。

    基于阻变存储器的量化因子优化的图像分类方法及装置

    公开(公告)号:CN115311506A

    公开(公告)日:2022-11-08

    申请号:CN202211238897.2

    申请日:2022-10-11

    Abstract: 本发明公开了基于阻变存储器的量化因子优化的图像分类方法及装置,分别构建基于阻变存储器的浮点神经网络模型及与其对应的基于阻变存储器的神经网络量化模型,通过一种新的量化因子优化损失函数结合分类损失函数,对神经网络量化模型进行训练,并且与阻变存储器的特性结合,通过迭代优化使图像分类神经网络模型学习到的量化因子尽可能的接近2的幂次方,在推理阶段,将量化后的值映射到阻变存储器阵列的电压值和电导值,并对输出电流进行移位操作,得到卷积层输出量化后的值,最终得到基于阻变存储器的神经网络量化模型的图像分类结果,由于每层的量化因子通过基于阻变存储器的神经网络模型学习得到,能够加快模型的推理速度。

Patent Agency Ranking