-
公开(公告)号：CN117744731B
公开(公告)日：2024-09-13
申请号：CN202311686862.X
申请日：2023-12-07
申请人： 之江实验室
摘要： 本说明书公开了一种基于阻变存储器的模型训练方法、装置、介质及设备。通过对各初始网络权重以预设的网络权重范围进行预调整，而后根据预设的尺度参数以及各调整后网络权重中的最大值将各调整后网络权重转化为阻变存储器的电导值，通过将样本数据转化为电压值控制阻变存储器输出电流，并在阻变存储器输出电流后，先将阻变存储器中的各电导值对应的网络权重替换目标模型中的各网络权重，而后以阻变存储器输出的电流的电流值对应的预测结果以及样本数据对应的实际标签对替换了网络权重的目标模型进行训练，更合理的将各初始网络权重映射为阻变存储器中的各电导值，解决了阻变存储器中的电导值写入误差问题对模型训练的影响，提高了模型训练效率。
-
公开(公告)号：CN115576328A
公开(公告)日：2023-01-06
申请号：CN202211421109.3
申请日：2022-11-15
申请人： 之江实验室
IPC分类号： G05D1/02
摘要： 本发明公开了基于模糊控制器的机器人导航避障方法及装置，通过采集机器人激光雷达和里程计两种传感器的信息作为模糊控制器输入，建立两套知识库和模糊推理规则，得到第一模糊控制器的输出为机器人运动的线速度和角速度，第二模糊控制器的输出为导航和避障两个任务的权重值，用于权衡机器人的导航和避障这两个任务。本发明中除了模糊控制理论外不需要其他人工智能算法的辅助，不需要预先构建地图，不需要大量的数据库和训练集，即可实现机器人在未知的、动态的复杂环境中避障导航的功能。基于人类知识和语言设计的策略，易于理解、实时性高、鲁棒性强。
-
公开(公告)号：CN115429293A
公开(公告)日：2022-12-06
申请号：CN202211373110.3
申请日：2022-11-04
申请人： 之江实验室
摘要： 本发明公开一种基于脉冲神经网络的睡眠类型分类方法和装置，该方法包括：步骤一，获取开源睡眠脑电图数据集；步骤二，将数据集中脑电图信号分割成多个第一片段信号，删除不需要的第一片段信号，并归一化剩余的第一片段信号；步骤三，分割归一化后的第一片段信号，得到第二片段信号；步骤四，将每一个第二片段信号进行事件编码，获得第二片段事件信号，并分为训练集和测试集；步骤五，构建脉冲神经网络模型及其损失函数进行各项参数梯度求解；步骤六，在训练集上进行脉冲神经网络模型优化训练，利用训练好的脉冲神经网络模型对测试集进行识别，实现睡眠类型分类。本发明相比传统神经网络分类检测具有计算量更少、更节能的优点。
-
公开(公告)号：CN115204380A
公开(公告)日：2022-10-18
申请号：CN202211118488.9
申请日：2022-09-15
申请人： 之江实验室
摘要： 本发明公开了存算一体卷积神经网络的数据存储及阵列映射方法与装置，其中数据存储，除了初始的图像输入采用以行为单位的方式依次存储，在其余卷积神经网络计算过程中的中间特征值都采用多通道混合的方式，采用以数据在特征图中的位置为单位的方式依次存储；在阵列映射中，除了首层卷积层以不同输入通道的卷积核从上往下依次排布，在其余卷积神经网络的阵列映射过程中，结合混合数据存储的方式，将卷积神经网络中的权重混合映射，而全连接层的权重按照顺序依次映射。本发明基于存算一体技术优化了卷积神经网络计算中的数据存储形式，减小了计算过程中需要访问数据存储器的次数，并结合混合映射方法提升了卷积神经网络的计算效率。
-
公开(公告)号：CN114677548B
公开(公告)日：2022-10-14
申请号：CN202210579664.2
申请日：2022-05-26
申请人： 之江实验室
摘要： 本发明公开了基于阻变存储器的神经网络图像分类系统及方法，系统包括依次连接的输入层、一组卷积层和全连接层，为卷积层配合设置卷积量化层、卷积反量化层、激活层和池化层，方法包括步骤S1：对待分类的图像进行归一化，得到归一化后的图像；步骤S2：对归一化后的图像进行训练集和测试集的构建；步骤S3：构建基于阻变存储器的神经网络模型；步骤S4：将训练集输入到基于阻变存储器的神经网络模型中，进行量化感知训练，得到量化感知训练后的模型参数，包括如下步骤：步骤S5：将测试集图像输入训练好的神经网络，进行进行前向推理测试。
-
公开(公告)号：CN114004343B
公开(公告)日：2022-10-14
申请号：CN202111663000.6
申请日：2021-12-31
申请人： 之江实验室
摘要： 本发明公开了基于忆阻器脉冲耦合神经网络的最短路径获取方法及装置，首先将加权图的边和顶点直接映射到基于忆阻器的脉冲耦合神经网络上的突触和神经元，通过记录神经元的激活时间和给定神经元的连通性，以高度并行的脉冲传播，获得从起始神经元到所有其他神经元的最短路径。本发明提出的基于忆阻器的脉冲耦合神经网络，充分利用了忆阻器物理特性的高度并行性，以较低的时间复杂度和空间复杂度实现了最短路径的获取。并且在八顶点加权图中获得100%的路径最优性，能耗低至0.33μJ。
-
公开(公告)号：CN114463161B
公开(公告)日：2022-09-13
申请号：CN202210377006.5
申请日：2022-04-12
申请人： 之江实验室
摘要： 本发明涉及忆阻器应用技术领域，尤其涉及一种基于忆阻器的神经网络处理连续图像的方法和装置，该方法包括以下步骤：步骤一，对神经网络的每一层进行阵列映射，并对阵列上的计算核进行串并行排列；步骤二，将单张图像输入经过步骤一设置的神经网络，统计出神经网络的每一层的图像处理时间，得到神经网络对单张图像处理的总时长，后选取出处理时间最长的神经网络层并得到其对应的处理时长，根据总时长和单层神经网络最长处理时长，得到神经网络的最大并行图像数量；步骤三，输入小于或等于最大并行图像数量的图像至经过步骤一设置的神经网络，进行并行处理。本发明加快了忆阻器上深度神经网络处理大量或者连续图像的效率。
-
公开(公告)号：CN114816335A
公开(公告)日：2022-07-29
申请号：CN202210738210.5
申请日：2022-06-28
申请人： 之江实验室
IPC分类号： G06F7/575
摘要： 本发明公开了一种忆阻器阵列符号数乘法实现方法、装置及设备，装置包括忆阻器阵列和移位计算模块，忆阻器阵列的输入端和输出端分别与移位计算模块连接，方法包括步骤S1：确定带有符号的输入值，并将其转换为二进制补码形式；步骤S2：依据忆阻器阵列单次输入的位宽，将输入值拆分，其中最高位为符号位，从最低位开始依次输入到忆阻器阵列中进行乘法计算；步骤S3：忆阻器阵列单次输出值为最高位时做移位减法操作，其余位时均做移位加法操作；步骤S4：输出忆阻器阵列的最终乘法计算结果。本发明的忆阻器阵列符号数乘法实现方式，适用于神经网络计算，改善了部分场景下输入值仅为无符号数的限制，通用性强，几乎没有额外的硬件资源消耗。
-
公开(公告)号：CN114400031A
公开(公告)日：2022-04-26
申请号：CN202210292126.5
申请日：2022-03-24
申请人： 之江实验室
摘要： 本发明公开一种补码映射的RRAM存算一体芯片及电子设备，芯片包括控制选通模块、RRAM阵列模块、补码量化模块，所述控制选通模块接收输入信号，连接于RRAM阵列模块中的位线、源线、字线上，对RRAM阵列模块进行选通与读写控制；补码量化模块连接于RRAM阵列模块中的输出线上，数字输入信号通过控制选通模块经过位线BL输入到RRAM阵列模块，经过RRAM阵列模块与其以补码形式存储的权重值相乘加后，输出模拟信号至补码量化模块；补码量化模块将模拟信号以补码形式完成量化，输出数字信号结果。相比传统方式，本发明实现了2T1R RRAM阵列乘加运算的补码量化，可节省近一半RRAM阵列资源，减小芯片面积，降低功耗。
-
公开(公告)号：CN113870921A
公开(公告)日：2021-12-31
申请号：CN202111456209.5
申请日：2021-12-02
申请人： 之江实验室
IPC分类号： G11C13/00
摘要： 本发明公开了一种忆阻器阵列上符号数映射方法，该映射方法将有符号数以补码的表达形式直接映射在忆阻器阵列上，并依据不同映射数的位宽以及忆阻器精度获得映射方案。首先，需要确认当前忆阻器类型器件为二值还是多值，如果是多值器件需再确认单元精度；然后，确定所映射符号数的位宽，并将符号数转为补码形式下的二进制数；最后，得出该符号数映射方案。本发明适用于神经网络计算，该方法映射符号数所占用忆阻器资源消耗小，通用性强，数值覆盖范围和实际表达范围一样。
-
-
-
-
-
-
-
-
-
搜索结果
49 条记录 (耗时 0.212 秒)
