-
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
Applicant: 之江实验室
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。
-
公开(公告)号：CN117289833A
公开(公告)日：2023-12-26
申请号：CN202311569059.8
申请日：2023-11-23
Applicant: 之江实验室
IPC: G06F3/0481 , G06F3/0486 , G06F9/451
Abstract: 本发明涉及一种面向集成开发环境的悬浮窗显示和交互方法、设备、介质，方法包括如下步骤：周期性获取集成开发环境下的至少一个任务的进度信息，并传送到前台界面的悬浮窗中；在所述悬浮窗中，将所述进度信息以可视化的方式进行表达；通过在所述前台界面中进行交互实现针对所述悬浮窗的可视化配置。与现有技术相比，本发明能够实现用户在硬件集成开发环境即时处理任务进展。
-
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
Applicant: 之江实验室
IPC: G06F16/35 , G06N3/0464 , G06N3/048 , G06N3/063 , G06N3/08
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。
-
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
Applicant: 之江实验室
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。
-
公开(公告)号：CN114816335B
公开(公告)日：2022-11-25
申请号：CN202210738210.5
申请日：2022-06-28
Applicant: 之江实验室
IPC: G06F7/575
Abstract: 本发明公开了一种忆阻器阵列符号数乘法实现方法、装置及设备，装置包括忆阻器阵列和移位计算模块，忆阻器阵列的输入端和输出端分别与移位计算模块连接，方法包括步骤S1：确定带有符号的输入值，并将其转换为二进制补码形式；步骤S2：依据忆阻器阵列单次输入的位宽，将输入值拆分，其中最高位为符号位，从最低位开始依次输入到忆阻器阵列中进行乘法计算；步骤S3：忆阻器阵列单次输出值为最高位时做移位减法操作，其余位时均做移位加法操作；步骤S4：输出忆阻器阵列的最终乘法计算结果。本发明的忆阻器阵列符号数乘法实现方式，适用于神经网络计算，改善了部分场景下输入值仅为无符号数的限制，通用性强，几乎没有额外的硬件资源消耗。
-
Patent Agency Ranking
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
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/063 , G06N3/08
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。
-
公开(公告)号：CN115049885A
公开(公告)日：2022-09-13
申请号：CN202210981223.5
申请日：2022-08-16
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06F5/06
Abstract: 本发明公开了一种存算一体卷积神经网络图像分类装置及方法，通过控制器对装置的其他单元、器件的控制；通过数据存储器存储神经网络分类的图像数据，以及中间特征图数据；通过存算一体单元获取的图像数据，并对图像数据进行卷积神经网络中的卷积层以及全连接层的计算，得到特征值；通过激活函数单元对存算一体单元输出的特征值进行非线性操作，得到非线性操作后的特征值；通过池化单元依次对非线性操作后的特征值进行行池化操作和列池化操作，并将最终结果值存入数据存储器；通过分类器获取最后一层神经网络计算对应的存算一体单元的输出，根据分类标签得到分类结果；从而实现数据流的优化，减少数据存取次数，减小所需缓存容量，提升计算效率。
-
公开(公告)号：CN114004343A
公开(公告)日：2022-02-01
申请号：CN202111663000.6
申请日：2021-12-31
Applicant: 之江实验室
Abstract: 本发明公开了基于忆阻器脉冲耦合神经网络的最短路径获取方法及装置，首先将加权图的边和顶点直接映射到基于忆阻器的脉冲耦合神经网络上的突触和神经元，通过记录神经元的激活时间和给定神经元的连通性，以高度并行的脉冲传播，获得从起始神经元到所有其他神经元的最短路径。本发明提出的基于忆阻器的脉冲耦合神经网络，充分利用了忆阻器物理特性的高度并行性，以较低的时间复杂度和空间复杂度实现了最短路径的获取。并且在八顶点加权图中获得100%的路径最优性，能耗低至0.33μJ。
-
公开(公告)号：CN113436664A
公开(公告)日：2021-09-24
申请号：CN202110987676.4
申请日：2021-08-26
Applicant: 之江实验室
IPC: G11C13/00
Abstract: 本发明属于非易失存储器技术领域，涉及一种阻变存储单元的电导线性对称调节方法，通过调节阻变存储单元晶体管的栅极电压来实现阻变存储单元的电导的线性对称调节，在一晶体管一阻变存储器件的阻变存储单元结构下，在晶体管源极和漏极施加电压时，通过控制晶体管的栅极电压，使得阻变存储单元的电导状态发生改变，在高阻向低阻转变过程中，当晶体管的栅极电压较大时，器件电阻处于高电导状态；当晶体管的栅极电压较小时，忆阻器处于低电导状态。本发明方法通过调节栅极电压，得到电导呈线性对称变化，在多个周期性的测试中都保持较大的窗口，多次循环操作的电导变化差异很小，耐久性较好，可以解决传统阻变存储器编程方案的电导精准调控难题。
-
公开(公告)号：CN119132363B
公开(公告)日：2025-04-18
申请号：CN202411066411.0
申请日：2024-08-05
Applicant: 之江实验室
IPC: G11C13/00
Abstract: 本说明书公开了一种基于忆阻器非线性权重映射的最短路径确定方法，在本说明书提供的基于忆阻器的最短路径确定方法中，根据待施加电压脉冲信号的输入电压，以及硬件电路中第二忆阻器的阈值转换电压、跨阻放大器的等效电阻的阻值、负载电阻的阻值、第二忆阻器的高电阻值，确定图数据中各条边的权重的映射值，并根据各映射值，设置突触阵列中各第一忆阻器的电导值。从而通过基于忆阻器的硬件电路，采用存内计算方式，实现图数据最短路径的计算，相比于软件实现的最短路径算法，加快了最短路径算法的计算效率。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.031 seconds)
