-
公开(公告)号：CN105653474A
公开(公告)日：2016-06-08
申请号：CN201511017968.6
申请日：2015-12-29
Applicant: 东南大学—无锡集成电路技术研究所
IPC: G06F12/0877 , G06F12/0897
CPC classification number: G06F12/0877 , G06F12/0897
Abstract: 本发明公开了一种面向粗粒度动态可重构处理器的配置缓存控制器，由配置缓存控制逻辑、配置缓存分级表、配置缓存存储器、配置缓存查找表、配置缓存接口、配置缓存解析器和配置缓存控制逻辑组成；上述各组成部分协同工作，实现对配置单元的预取与更新，利用本发明可有效减少可重构阵列读取配置信息所需的时间，提升粗粒度动态可重构系统的性能。
-
公开(公告)号：CN105634567A
公开(公告)日：2016-06-01
申请号：CN201510971354.5
申请日：2015-12-21
Applicant: 东南大学—无锡集成电路技术研究所
CPC classification number: H04B7/0413 , G06F15/7867
Abstract: 本发明公开了一种面向MIMO检测系统的可重构计算单元微结构及配置机制，相比于传统的计算单元微结构具有更高效的流水结构和更灵活的配置机制。整个计算单元微结构由多级流水级构成，每级流水级中的每个基本操作单元都有对应的配置位。通过精细化的配置控制每级流水级，实现多种不同的运算功能，既提高了系统吞吐率又具有很强的灵活性。
-
公开(公告)号：CN112509564B
公开(公告)日：2024-04-02
申请号：CN202011101902.6
申请日：2020-10-15
Applicant: 江苏南大电子信息技术股份有限公司 , 东南大学—无锡集成电路技术研究所
IPC: G10L15/08 , G10L15/183 , G10L15/06 , G10L15/02
Abstract: 本发明公开了一种基于连接时序分类和自注意力机制的端到端语音识别方法，使用连接时序分类CTC和自注意力机制SA混合机制对英文单词或汉字直接进行建模，无需前处理或后处理，输出结果直接对应正确的英文序列或汉字序列。该方法共享同一个编码器网络，编码器的输出使用CTC训练准则，同时编码器的输出也作为解码器的输入，实现编码器与解码器之间的注意力关系，解码器使用交叉熵训练准则进行训练，最后以加权的方式赋予两种训练准则分配不同的权重。本发明不仅可以加快模型的收敛速度，获得更加准确的对齐属性，还可以获取输入之间的内部联系，提升语音识别系统的准确率及鲁棒性。
-
公开(公告)号：CN105634567B
公开(公告)日：2018-09-07
申请号：CN201510971354.5
申请日：2015-12-21
Applicant: 东南大学—无锡集成电路技术研究所
IPC: H04B7/0413 , G06F15/78
Abstract: 本发明公开了一种面向MIMO检测系统的可重构计算单元微结构及配置机制，相比于传统的计算单元微结构具有更高效的流水结构和更灵活的配置机制。整个计算单元微结构由多级流水级构成，每级流水级中的每个基本操作单元都有对应的配置位。通过精细化的配置控制每级流水级，实现多种不同的运算功能，既提高了系统吞吐率又具有很强的灵活性。
-
公开(公告)号：CN110932713B
公开(公告)日：2023-05-16
申请号：CN201911093269.8
申请日：2019-11-11
Applicant: 东南大学
IPC: H03K19/0175 , H03K19/0185 , H03K19/00 , H03K19/017 , H03K19/003 , G06N3/0464
Abstract: 本发明公开了一种用于卷积神经网络硬件加速器的时序弹性电路，涉及数字集成电路领域，适用于卷积神经网络硬件加速器的时序错误检测和校正。时序弹性电路包括：基于数据跳变检测的时序错误检测单元、在线校正单元和时钟控制单元，其中时序错误检测单元由13个晶体管构成，检测窗口长度可根据不同的工艺、电压、温度、老化程度条件进行调节；时序错误校正单元采用功耗较小的传统的锁存器结构，由10个晶体管构成；时钟控制单元生成时钟反向信号和检测窗口时钟信号，不检测时钟上升沿附近的数据延时，提高了电路的错误容忍度。结合卷积神经网络本身的容错性，本发明能够节省传统电路保留的过多时序裕度，且在保证数据精度的同时，降低电路的功耗。
-
Patent Agency Ranking
公开(公告)号：CN111192291B
公开(公告)日：2022-11-11
申请号：CN201911242648.9
申请日：2019-12-06
Applicant: 东南大学 , 南京南大电子智慧型服务机器人研究院有限公司 , 江苏南大电子信息技术股份有限公司
Abstract: 本发明公开了一种基于级联回归与孪生网络的目标跟踪方法，在第一帧，将指定的目标图像及以目标图像为中心构建的搜索区域分别输入以孪生网络构成的特征提取网络，分别得到目标图像与搜索区域的特征图。将得到的不同层次的特征图按设计的Attention机制融合，并一同输入到后续的级联区域推荐网络之中。经过级联区域推荐网络之后得到各个锚框的分类及位置预测信息，并得到锚框的预测得分图。通过非极大值抑制以及添加余弦窗等操作筛选出得分最高的锚框，并根据回归的得到的位置信息得到最终的预测框。本发明与传统算法相比上述算法具有精度高，鲁棒性强以及运行效率高的优点。
-
公开(公告)号：CN114781290A
公开(公告)日：2022-07-22
申请号：CN202210453278.9
申请日：2022-04-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于目标检测网络的寄生参数提取方法，属于寄生参数提取领域。该方法包括如下步骤：建立寄生电容模式库；创建符合版图互连线特点的数据集；使用自建数据集训练目标检测网络，通过修改损失函数对网络进行优化；用训练过的网络对版图图片进行预测，对网络的预测结果进行后续处理，得到寄生参数值。本发明旨在为数字集成电路寄生参数模式库建立和模式匹配提供了一种简单，供选择的解决方案。
-
公开(公告)号：CN111582057B
公开(公告)日：2022-02-15
申请号：CN202010310755.7
申请日：2020-04-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于局部感受野的人脸验证方法，属于计算、推算或计数的技术领域。步骤是：建立外部数据集，对数据集中的样本进行数据增强；建立卷积神经网络，该卷积神经网络的输入为彩色图片，输出为图片中人脸区域对应的特征向量和人脸位置的预测框坐标，测试时根据预测框在图像中的位置输出对应区域的特征向量；利用测试集对预训练好的卷积神经网络进行测试并根据测试结果对卷积神经网络进行微调。本发明根据深度神经网络的平移不变性，利用一个网络有效提取出人脸区域的特征，使特征向量的感受野恰好仅包含人脸，从而有效减少背景信息带来的噪声，保证人脸验证的准确率，同时提升了网络计算的并行度，大大简化了训练过程。
-
公开(公告)号：CN113298237A
公开(公告)日：2021-08-24
申请号：CN202110697592.7
申请日：2021-06-23
Applicant: 东南大学
Abstract: 本发明公开一种基于FPGA的卷积神经网络片上训练加速器，属于计算、推算或计数的技术领域。本卷积神经网络片上训练加速器主要包括：输入数据缓存器、权重数据缓存器、中间运算值缓存器、多模式PE运算单元、最值统计模块、批量归一化模块、激活函数运算模块、量化模块、最大池化模块、梯度更新模块、批量归一化更新模块、编码模块以及逻辑控制模块。本发明通过对各模块的优化设计，实现同时对多张图进行运算，增加了硬件加速器运行时的并行性，降低了对硬件资源的需求，并减少训练过程中的数据流动量，提高了运算效率。本发明通过尽可能充分利用硬件资源，而较为创新地提出了在资源有限的FPGA开发板上进行卷积神经网络训练的实现方法。
-
公开(公告)号：CN111426928B
公开(公告)日：2021-08-20
申请号：CN201811583665.4
申请日：2018-12-24
Applicant: 东南大学 , 无锡华润上华科技有限公司
Abstract: 一种氮化镓器件动态电阻测试电路，包括用于驱动待测器件的栅驱动模块、钳位电路和负载模块，负载模块的另一端连接电源DC，钳位电路包括稳压模块和高压二极管D1，高压二极管D1的阳极与稳压模块一端连接，高压二极管D1的阴极与所述负载模块的一端连接并用于连接被测氮化镓器件的漏电极，稳压模块的另一端接电源地并用于连接被测氮化镓器件的源电极，钳位电路还包括恒流模块，恒流模块输出的恒定电流经过高压二极管D1流向被测氮化镓器件。被测器件的栅控信号由驱动模块提供，被测器件导通时流过高压二极管的电流由恒流模块提供，被测器件关断时电压探测点测得的电压由稳压模块稳压，被测器件开关转换的瞬间产生的震荡由滤波模块抑制。
-
-
-
-
-
-
-
-
-
Search Results
831
records
(took 0.047 seconds)
