公开(公告)号：CN111788582A

公开(公告)日：2020-10-16

申请号：CN201880089689.6

申请日：2018-11-21

Applicant: 三星电子株式会社

Inventor： 金庆勳 ,  朴永焕 ,  李桐洙 ,  金大铉 ,  赵韩秀 ,  金铉中

IPC: G06N3/063 ,  G06N20/00 ,  G06N3/04

Abstract: 提供了一种电子设备。所述电子设备包括：第一存储器，被配置为存储包括多个第一元素的第一人工智能(AI)模型；以及处理器，包括第二存储器。第二存储器被配置为存储包括多个第二元素的第二AI模型。所述处理器被配置为基于第二AI模型从输入数据获取输出数据。第一AI模型通过AI算法被训练。所述多个第二元素中的每一个第二元素包括在所述多个第一元素中的各个第一元素中包括的多个位中的至少一个较高位。

公开(公告)号：CN101174248A

公开(公告)日：2008-05-07

申请号：CN200710127057.8

申请日：2007-06-28

Applicant: 三星电子株式会社

Inventor： 李桐洙 ,  朴炳雄

IPC: G06F13/28

Abstract: 一种直接存储器存取控制方法包括：检查与存储在源存储器中的数据传输到目的存储器之后所剩余的数据相应的剩余数据的长度值、以及当前设置的突发长度值；基于检查结果比较剩余数据长度值和当前设置的突发长度值；以及基于比较结果选择性地改变当前设置的突发长度值，并且传输数据到目的存储器。

公开(公告)号：CN111919389B

公开(公告)日：2024-12-27

申请号：CN201980021303.2

申请日：2019-01-04

Applicant: 三星电子株式会社

Inventor： 李桐洙 ,  曹暎喆 ,  孙珖熏 ,  金炳旭

IPC: H03M7/30 ,  H03M13/41

Abstract: 提供了一种数据压缩方法和数据解压缩方法。该方法包括：修剪包括多个权重参数的原始数据；在修剪后的原始数据中包括的多个权重参数中确认至少一个第一值并未通过修剪而改变的至少一个第一权重参数；获得包括至少一个第一值并未改变的至少一个第一权重参数的位置信息的第一索引数据；从修剪后的原始数据中包括的多个权重参数之中确认至少一个第二值由于修剪而改变了的至少一个第二权重参数；以及用无关参数替换至少一个第二值改变了的至少一个第二权重参数。

公开(公告)号：CN111788582B

公开(公告)日：2024-08-16

申请号：CN201880089689.6

申请日：2018-11-21

Applicant: 三星电子株式会社

Inventor： 金庆勳 ,  朴永焕 ,  李桐洙 ,  金大铉 ,  赵韩秀 ,  金铉中

IPC: G06N3/063 ,  G06N20/00 ,  G06N3/044 ,  G06N3/045

Abstract: 提供了一种电子设备。所述电子设备包括：第一存储器，被配置为存储包括多个第一元素的第一人工智能(AI)模型；以及处理器，包括第二存储器。第二存储器被配置为存储包括多个第二元素的第二AI模型。所述处理器被配置为基于第二AI模型从输入数据获取输出数据。第一AI模型通过AI算法被训练。所述多个第二元素中的每一个第二元素包括在所述多个第一元素中的各个第一元素中包括的多个位中的至少一个较高位。

公开(公告)号：CN111971697B

公开(公告)日：2024-06-04

申请号：CN201980025238.0

申请日：2019-01-04

Applicant: 三星电子株式会社

Inventor： 李桐洙 ,  金炳旭 ,  孙珖熏 ,  李政勋

IPC: G06N3/08 ,  G06N3/0464 ,  G06N10/00 ,  B82Y10/00

Abstract: 公开了一种电子装置。本电子装置包括：存储器；以及处理器，对基于深度学习训练的神经网络进行量化以生成量化的神经网络，并且将量化的神经网络存储在所述存储器中，其中，所述处理器以预设的第一比特单位对训练的神经网络的神经元之间的训练的连接强度进行量化，以预设的第二比特单位对量化的连接强度进行反量化，对反量化的连接强度进行再训练，并且以预设的第一比特单位对再训练的连接强度进行量化。

公开(公告)号：CN111985632B

公开(公告)日：2025-05-16

申请号：CN202010435215.1

申请日：2020-05-21

Applicant: 三星电子株式会社

Inventor： 李桐洙 ,  权世重 ,  金炳旭 ,  帕里查·卡普尔 ,  朴培盛

IPC: G06N3/0495 ,  G06N3/063 ,  G06N3/0455

Abstract: 提供了解压缩设备。该解压缩设备包括存储器、解码器和处理器，其中存储器配置为存储待被解压缩并在人工智能模型的神经网络处理中使用的压缩数据，解码器配置为包括与压缩数据的压缩方法相关的多个逻辑电路、基于压缩数据的输入通过多个逻辑电路对压缩数据进行解压缩、并且输出解压缩数据，处理器配置为从解码器输出的数据中获得神经网络可处理形式的数据。

公开(公告)号：CN112052943B

公开(公告)日：2025-05-13

申请号：CN202010493206.8

申请日：2020-06-03

Applicant: 三星电子株式会社

Inventor： 权世重 ,  李桐洙

IPC: G06N3/063 ,  G06N5/04 ,  G06F17/16

Abstract: 一种用于电子装置执行人工智能模型的操作的方法包括：在用于神经网络模型的操作的多个数据存储在存储器中时，获取关于电子装置的硬件的资源信息，所述多个数据分别具有彼此不同的重要程度；基于所获取的资源信息，根据所述多个数据中的每个的重要程度，获得所述多个数据之中的将用于神经网络模型的操作的数据；以及通过使用所获得的数据执行神经网络模型的操作。

公开(公告)号：CN119783810A

公开(公告)日：2025-04-08

申请号：CN202411350668.9

申请日：2024-09-26

Applicant: 三星电子株式会社 ,  纳宝株式会社

Inventor： 安秉民 ,  孙弘乐 ,  申东旻 ,  梁大烈 ,  尹钟轮 ,  张宰薰 ,  权世重 ,  金炳旭 ,  朴培盛 ,  李桐洙

IPC: G06N5/04 ,  G06N20/00

Abstract: 公开了一种加速器设备，包括接口电路，与外部设备通信，存储器，存储通过接口电路接收的第一数据，极化编码器，对从存储器提供的第一数据执行极化编码并输出极化编码的结果作为第二数据、以及加速器核心，加载第二数据。第一数据是压缩的权重数据，第二数据是解压缩的权重数据，加速器核心被配置为基于第二数据执行基于机器学习的推理，并且第一数据的长度是可变的。

公开(公告)号：CN114207723A

公开(公告)日：2022-03-18

申请号：CN202080056709.7

申请日：2020-08-07

Applicant: 三星电子株式会社

Inventor： 李桐洙 ,  金大铉 ,  魏久然

IPC: G11C11/16

Abstract: 提供了一种半导体器件。该器件包括：以非易失性方式和易失性方式存储数据的存储器和被配置为控制该存储器的存储器控制器。该存储器包括:包括第一字线和第二字线的字线对；正交于第一字线和第二字线并包括第一位线和第一互补位线的第一位线对；以及包括第一存储单元和在字线方向上与第一存储单元相邻的第二存储单元的存储单元对。第一存储单元和第二存储单元各自以易失性方式存储数据。

公开(公告)号：CN112052943A

公开(公告)日：2020-12-08

申请号：CN202010493206.8

申请日：2020-06-03

Applicant: 三星电子株式会社

Inventor： 权世重 ,  李桐洙

IPC: G06N3/063

Abstract: 一种用于电子装置执行人工智能模型的操作的方法包括：在用于神经网络模型的操作的多个数据存储在存储器中时，获取关于电子装置的硬件的资源信息，所述多个数据分别具有彼此不同的重要程度；基于所获取的资源信息，根据所述多个数据中的每个的重要程度，获得所述多个数据之中的将用于神经网络模型的操作的数据；以及通过使用所获得的数据执行神经网络模型的操作。