一种基于忆阻器的STDP、BCPNN实现方法

    公开(公告)号:CN114065633A

    公开(公告)日:2022-02-18

    申请号:CN202111372704.8

    申请日:2021-11-18

    Abstract: 本发明提供了一种基于忆阻器的STDP、BCPNN实现方法,构建忆阻器模型;将所述忆阻器模型应用于STDP、BCPNN学习规则中进行trace仿真实现,并通过性能指标对仿真结果进行评价;所述性能指标包括:平均误差、最大误差、均方根差和相关系数。本方案提供的忆阻器模型可有效地模拟忆阻器非线性掺杂剂漂移现象,对于更复杂具有更强的生物可解释性的基于trace的学习规则,例如STDP的多个变体,BCPNN学习规则,本方案可进行有效的实现。

    一种用于神经网络后训练量化偏移修正的加速器装置

    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

    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。

Patent Agency Ranking