事件型并行的在线学习神经形态计算方法及系统

    公开(公告)号:CN119476369A

    公开(公告)日:2025-02-18

    申请号:CN202411477096.0

    申请日:2024-10-22

    Abstract: 本发明提供了一种事件型并行的在线学习神经形态计算方法及系统,其中方法包括构建框架步骤、样本学习步骤、稀疏计算步骤以及并行计算步骤;系统包括计算核心、Mesh‑Tree混合的片上路由通信网络、配置与监控模块、全局控制模块以及Argmax决策模块。本发明的稀疏计算步骤(事件驱动型)、并行计算步骤,解决了大规模神经形态硬件实现在线学习时存在的低效率问题,同时本发明的基于神经调制的在线学习框架和样本学习步骤,缓解了当前定制在线学习处理器的兼容问题和大量内存消耗问题;本发明的计算系统高效实现了本发明的计算方法,同时基于可配置数据路径的计算引擎架构和灵活NoC通信,提升了支持在线学习的神经形态处理器的兼容性、可扩展性以及学习性能。

    非规则拓扑下NoC单多播转发及死锁避免方法及系统

    公开(公告)号:CN119484385A

    公开(公告)日:2025-02-18

    申请号:CN202411655505.1

    申请日:2024-11-19

    Abstract: 本发明提供了一种非规则拓扑下NoC单多播转发及死锁避免方法及系统,所述方法包括:采用路由表的形式来进行非规则拓扑下的通信数据路由转发;采用定期内固定转发释放的方法进行死锁避免,破坏导致死锁产生的环状数据流;根据非规则拓扑信息、路由表和释放路径表构建NoC互联系统并配置好各路由参数;配置完毕后输入特定任务的单多播数据流量,进行数据流量转发并总结评估性能。本发明通过高效的路径搜索和定期数据释放,在保证路径短低延时的情况下,确保NoC系统不会因为环境复杂、流量增大而带来的潜在死锁影响性能,解决了非规则拓扑下路由的困难,具有重要的应用价值和商业潜力。

Patent Agency Ranking