公开(公告)号：CN119918470A

公开(公告)日：2025-05-02

申请号：CN202411899183.5

申请日：2024-12-23

Applicant: 东南大学

Inventor： 陆生礼 ,  李金一 ,  杨啸风 ,  缪政乾

IPC: G06F30/327 ,  G06F30/27 ,  G06F30/337 ,  G06V30/422 ,  G06V30/19 ,  G06V30/18 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种自动生成模拟电路网表的电路图解析方法，包括：采用目标检测模型对输入的待处理的电路图进行识别，输出电路图中各个元器件的类型和位置；从待处理的电路图去除元器件，得到无元器件的电路图；调取各个元器件的具有代表性的模板图片，计算模板图片与识别出的元器件区域的匹配度，确定每个识别出的元器件的引脚功能及其位置坐标；采用连通域检测方法识别无元器件的电路图中的连接线段，结合连接点判断得出电路图中真实连通的电路网络；将各个元器件的引脚端口和电路网络端点一一匹配，生成待处理的电路图的网表文件，对网表文件进行校验和输出。本发明能够处理不同风格的电路原理图，显著提高电路网表转换的准确性。

公开(公告)号：CN118734683A

公开(公告)日：2024-10-01

申请号：CN202410750027.6

申请日：2024-06-12

Applicant: 东南大学

Inventor： 陆生礼 ,  杨啸风 ,  陈前

IPC: G06F30/27 ,  G06F30/30 ,  G06F115/02

Abstract: 本发明公开了一种基于扩散模型的SoC电源网络动态电压降预测方法，包括：步骤一，通过对集成电路功耗分析工具中获取的SoC芯片电源网络的功耗报告，进行预处理并生成训练数据集；步骤二，基于扩散模型原理，使用U型神经网络模型进行训练；步骤三，按步骤一所述方法提取特征数据，并使用步骤二中训练好的模型进行预测。本发明通过利用扩散模型的复杂系统建模能力，能够更准确地模拟和预测SoC电源网络在不同操作条件下的电压降行为，能够捕捉到复杂的非线性关系，还能够适应不同的芯片设计和工作条件，从而提供更为精确的预测结果。

公开(公告)号：CN113313255A

公开(公告)日：2021-08-27

申请号：CN202110675052.9

申请日：2021-06-18

Applicant: 东南大学

Inventor： 陆生礼 ,  杨啸风 ,  梁天柱 ,  庞伟

IPC: G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于神经网络架构搜索的无监督领域自适应方法，该方法通过构建可用于可微分网络架构搜索的网络结构，将实际输入样本的特征图和训练样本的特征图的欧式距离作为损失函数，按序交叉搜索更新网络的结构参数和权重参数，最后选择性能最优的一组参数构建网络模型；本发明使神经网络模型有更强的自适应能力，并且本方法中对网络中各操作赋予权重的结构，可以使网络结构的搜索和更新更加简便快捷、同时降低改变网络结构后的重训练所需的计算代价，使本方法易于在可移动嵌入式终端实施。

公开(公告)号：CN116521229A

公开(公告)日：2023-08-01

申请号：CN202310128069.1

申请日：2023-02-15

Applicant: 东南大学 ,  南京三宝科技股份有限公司

Inventor： 陆生礼 ,  李博文 ,  梁天柱 ,  杨啸风 ,  张军民 ,  梁彪 ,  邹涛

IPC: G06F9/30 ,  G06F9/34 ,  G06F9/38

Abstract: 本发明公开一种基于RISC‑V向量指令扩展的低硬件开销向量处理器架构，属于电数字数据处理的技术领域。上述架构包括：向量指令队列、标量寄存器缓存、解码和派遣模块、寄存器状态表、指令状态表、记分牌发射队列、向量加法功能单元、向量乘法功能单元、向量加载/存储功能单元、向量寄存器组。其中，向量指令从标量端送入到向量指令队列，根据解码获取的不同操作类型派遣到对应的向量功能单元，然后进行执行和写回，采取的是顺序派遣、相同微指令间顺序发射的策略。记分牌和发射队列结合，针对向量指令微码化的特征，与寄存器状态表和指令状态表结合来控制指令间的动态调度。本发明在低硬件开销下，实现向量指令在向量处理器内部有序高效执行的目的。

公开(公告)号：CN113313255B

公开(公告)日：2024-05-24

申请号：CN202110675052.9

申请日：2021-06-18

Applicant: 东南大学

Inventor： 陆生礼 ,  杨啸风 ,  梁天柱 ,  庞伟

IPC: G06N3/082 ,  G06N3/088 ,  G06N3/084

Abstract: 本发明公开了一种基于神经网络架构搜索的无监督领域自适应方法，该方法通过构建可用于可微分网络架构搜索的网络结构，将实际输入样本的特征图和训练样本的特征图的欧式距离作为损失函数，按序交叉搜索更新网络的结构参数和权重参数，最后选择性能最优的一组参数构建网络模型；本发明使神经网络模型有更强的自适应能力，并且本方法中对网络中各操作赋予权重的结构，可以使网络结构的搜索和更新更加简便快捷、同时降低改变网络结构后的重训练所需的计算代价，使本方法易于在可移动嵌入式终端实施。

公开(公告)号：CN116258188A

公开(公告)日：2023-06-13

申请号：CN202310261151.1

申请日：2023-03-17

Applicant: 昆山市工业技术研究院有限责任公司 ,  东南大学苏州研究院

Inventor： 陆生礼 ,  路雨麒 ,  杨啸风 ,  梁天柱

IPC: G06N3/063 ,  G06N3/082 ,  G06N3/0464

Abstract: 本发明公开面向非结构化稀疏的动态匹配非零值的神经网络加速器，属于计算、推算或计数的技术领域。加速器架构包括：处理模块、负载平衡模块、后处理模块、稀疏编码模块、控制单元、输入缓存模块、权重缓存模块、输出缓存模块。通过稀疏编码模块对输入激活张量进行片上编码，避免对无效数据的存储及搬运，从而提高加速器整体能效。负载平衡模块对稀疏张量进行标记后动态分配，有效缓解输入激活张量不规整造成的计算单元负载不均衡问题。PE的非零值匹配单元通过bitmap索引高效匹配非零对，同时利用了权重和激活两方面的稀疏性，跳过零值参与的无效计算从而增加处理效率，从而实现对非结构化稀疏的神经网络的高效推理。