-
Patent Agency Ranking
公开(公告)号：CN117131914A
公开(公告)日：2023-11-28
申请号：CN202311171631.5
申请日：2023-09-12
Applicant: 复旦大学
IPC: G06N3/063 , G06N3/0464 , G06F15/78
Abstract: 本发明公开了一种用于神经网络后训练量化偏移修正的加速器装置，偏移修正运算模块通过将卷积输出图像的数据经过偏移修正计算后输出到片外；偏移修正运算模块包含累加模块和计算模块，累加模块根据数据流计算相应输入数据的累加和，输入数据的累加和暂存在累加模块的缓存单元中，输入数据与权重数据的卷积计算结果暂存在片上部分和缓存中，计算模块负责将卷积计算结果与偏移修正参数等数据完成乘加运算并输出到片外；对权重数据的偏移修正计算等效到了对卷积计算结果的修正，通过对每一个输出图像结果加上其对应的偏移值并乘以相应的参数进行偏移修正，使量化后网络模型推理准确率提高，以较低的硬件开销实现偏移修正计算方法。
-
公开(公告)号：CN112163673B
公开(公告)日：2023-04-07
申请号：CN202011042170.8
申请日：2020-09-28
Applicant: 复旦大学 , 上海新氦类脑智能科技有限公司
IPC: G06N3/063
Abstract: 本发明公开了一种用于大规模类脑计算网络的种群路由方法，涉及类脑人工智能技术领域，通过查找片上路由表中种群ID对应的路由信息，对每个收到的数据包进行转发和保留。根据路由信息，数据包可能会被转发至二维Mesh网络或二维Torus网络中四个临近的芯片，以及可能被该芯片保留。通过源芯片和中途芯片在路由过程中对一个数据包的转发，目的地芯片对数据包进行保留，一次多播路由过程以此完成。本方法有效地解决传统路由方法中路由表所需的巨大体积问题。
-
公开(公告)号：CN112149815B
公开(公告)日：2023-04-18
申请号：CN202011046417.3
申请日：2020-09-28
Applicant: 复旦大学 , 上海新氦类脑智能科技有限公司
Abstract: 本发明公开了用于大规模类脑计算网络的种群聚类及种群路由方法，涉及路由技术领域，所述类脑计算网络部署在多个CPU或GPU或可进行类脑计算的FPGA和ASIC芯片上，且由神经元及其之间的拓扑连接关系组成，将所述神经元划分为不同种群；所述种群内对应的所述神经元联系紧密；所述种群间对应的所述神经元联系稀疏；同一种群内的所述神经元放置于同一芯片上，且共用相同的路由条目和路由路径；不同种群内的所述神经元放置于同一芯片或不同芯片。本方法通过将神经元合理聚类为种群，有效地减少了跨片的通信频率和路由的存储开销，并提高了系统的效率。
-
公开(公告)号：CN112163673A
公开(公告)日：2021-01-01
申请号：CN202011042170.8
申请日：2020-09-28
Applicant: 复旦大学 , 上海新氦类脑智能科技有限公司
IPC: G06N3/063
Abstract: 本发明公开了一种用于大规模类脑计算网络的种群路由方法，涉及类脑人工智能技术领域，通过查找片上路由表中种群ID对应的路由信息，对每个收到的数据包进行转发和保留。根据路由信息，数据包可能会被转发至二维Mesh网络或二维Torus网络中四个临近的芯片，以及可能被该芯片保留。通过源芯片和中途芯片在路由过程中对一个数据包的转发，目的地芯片对数据包进行保留，一次多播路由过程以此完成。本方法有效地解决传统路由方法中路由表所需的巨大体积问题。
-
公开(公告)号：CN112149815A
公开(公告)日：2020-12-29
申请号：CN202011046417.3
申请日：2020-09-28
Applicant: 复旦大学 , 上海新氦类脑智能科技有限公司
Abstract: 本发明公开了用于大规模类脑计算网络的种群聚类及种群路由方法，涉及路由技术领域，所述类脑计算网络部署在多个CPU或GPU或可进行类脑计算的FPGA和ASIC芯片上，且由神经元及其之间的拓扑连接关系组成，将所述神经元划分为不同种群；所述种群内对应的所述神经元联系紧密；所述种群间对应的所述神经元联系稀疏；同一种群内的所述神经元放置于同一芯片上，且共用相同的路由条目和路由路径；不同种群内的所述神经元放置于同一芯片或不同芯片。本方法通过将神经元合理聚类为种群，有效地减少了跨片的通信频率和路由的存储开销，并提高了系统的效率。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
