-
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
Applicant: 上海交通大学
IPC: G06N3/0464 , G06N3/0495 , G06N3/084 , G06N3/063 , G06F15/78
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。
-
公开(公告)号:CN119621338A
公开(公告)日:2025-03-14
申请号:CN202411771142.8
申请日:2024-12-04
Applicant: 上海交通大学
IPC: G06F9/50 , G06F12/02 , G06F9/54 , G06F15/167
Abstract: 本发明提供了一种基于静态和动态内存配置的多核嵌入式系统内存管理方法和系统,利用静态配置文件定义各核的内存区域与地址信息,并通过Python脚本自动同步到系统链接脚本中,实现了静态内存分配的自动化;针对动态内存,配置API接口,支持应用程序灵活分配内存,确保应用不直接访问固定物理地址,并通过静态与动态内存区域的互斥校验避免地址冲突;通过在BRAM和DDR区域分别配置共享内存区,实现RPU与APU核之间、以及APU核之间的数据共享与指令传递,确保多核数据交互的实时性与独立性。本发明降低了嵌入式系统开发的复杂性,提高了内存管理的安全性与系统整体的通信效率。
-
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
Applicant: 上海交通大学
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。
-
-