公开(公告)号：CN117289896A

公开(公告)日：2023-12-26

申请号：CN202311547164.1

申请日：2023-11-20

Applicant: 之江实验室

Inventor： 顾子熙 ,  时拓 ,  高丽丽 ,  刘津畅 ,  王志斌 ,  张徽 ,  崔狮雨

IPC: G06F7/50 ,  G06F17/16

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。

公开(公告)号：CN115827170B

公开(公告)日：2023-07-14

申请号：CN202310123062.0

申请日：2023-02-16

Applicant: 之江实验室

Inventor： 王志斌 ,  时拓 ,  刘琦 ,  顾子熙 ,  高丽丽 ,  张徽 ,  李一琪 ,  崔狮雨

IPC: G06F9/455

Abstract: 本发明公开了基于离散事件的计算机体系结构的并行仿真方法及装置，将待仿真的计算机体系结构，按功能与延迟划分与组合成多个关键节点，并给每个关键节点分配一个线程；所有事件队列中的事件，按照事件发生的时间进行排序，时间相同的事件，按照优先级高低进行排序，整个仿真过程共同维护一条共享时间轴；利用前瞻量与路障事件对所有关键节点进行同步。在避免因果关系错误的条件下利用现代计算机的并行计算能力加速仿真过程。本发明将待仿真体系结构系统按功能与延迟划分与组合成多个关键节点，其中划分模块有利于提高仿真系统的并行度，合并低延迟模块有助于扩大前瞻量，降低同步开销，合理的关键节点选择能进一步加速仿真过程。

公开(公告)号：CN115204380B

公开(公告)日：2022-12-27

申请号：CN202211118488.9

申请日：2022-09-15

Applicant: 之江实验室

Inventor： 顾子熙 ,  时拓 ,  刘琦 ,  高丽丽 ,  崔狮雨 ,  张程高 ,  张徽

IPC: G06N3/063 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了存算一体卷积神经网络的数据存储及阵列映射方法与装置，其中数据存储，除了初始的图像输入采用以行为单位的方式依次存储，在其余卷积神经网络计算过程中的中间特征值都采用多通道混合的方式，采用以数据在特征图中的位置为单位的方式依次存储；在阵列映射中，除了首层卷积层以不同输入通道的卷积核从上往下依次排布，在其余卷积神经网络的阵列映射过程中，结合混合数据存储的方式，将卷积神经网络中的权重混合映射，而全连接层的权重按照顺序依次映射。本发明基于存算一体技术优化了卷积神经网络计算中的数据存储形式，减小了计算过程中需要访问数据存储器的次数，并结合混合映射方法提升了卷积神经网络的计算效率。

公开(公告)号：CN114677548A

公开(公告)日：2022-06-28

申请号：CN202210579664.2

申请日：2022-05-26

Applicant: 之江实验室

Inventor： 高丽丽 ,  时拓 ,  刘琦 ,  张程高 ,  顾子熙 ,  王志斌 ,  李一琪 ,  张徽

IPC: G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开了基于阻变存储器的神经网络图像分类系统及方法，系统包括依次连接的输入层、一组卷积层和全连接层，为卷积层配合设置卷积量化层、卷积反量化层、激活层和池化层，方法包括步骤S1：对待分类的图像进行归一化，得到归一化后的图像；步骤S2：对归一化后的图像进行训练集和测试集的构建；步骤S3：构建基于阻变存储器的神经网络模型；步骤S4：将训练集输入到基于阻变存储器的神经网络模型中，进行量化感知训练，得到量化感知训练后的模型参数，包括如下步骤：步骤S5：将测试集图像输入训练好的神经网络，进行进行前向推理测试。

公开(公告)号：CN114332545A

公开(公告)日：2022-04-12

申请号：CN202210261211.5

申请日：2022-03-17

Applicant: 之江实验室

Inventor： 张徽 ,  时拓 ,  刘琦 ,  高丽丽 ,  王志斌 ,  顾子熙 ,  崔狮雨 ,  李一琪

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明提供一种基于低比特脉冲神经网络的图像数据分类方法和装置，该方法包括：步骤一，获取开源图像数据集，分为训练集和测试集，其中数据集包括计算机图像数据和神经形态数据；步骤二，构建包含隐含层的脉冲神经网络模型，再改进LIF神经元，构建基于改进后的LIF神经元的脉冲神经网络模型；步骤三，通过构建训练损失函数并进行各项梯度求解，对脉冲神经网络模型进行训练；步骤四，在训练集上使用梯度下降参数更新方法进行脉冲神经网络模型优化训练；步骤五，利用构建并训练好的脉冲神经网络模型，对测试集进行识别，得到预测的数据分类标签，实现分类任务。本发明的方法具有更低的功耗，同时与全精度网络模型有近似的准确率。