-
公开(公告)号：CN111832720A
公开(公告)日：2020-10-27
申请号：CN202010991702.6
申请日：2020-09-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种可配置神经网络推理与在线学习融合计算电路，属于神经网络技术领域。该电路包括主控制单元、可配置控制单元、缓存控制单元、压缩/解压缩单元、交互单元、缓存单元、神经网络融合计算单元。本发明电路通过配置神经网络的计算通路、在线学习的层数、以及标签生成方式实现了低成本可配置的推理和在线学习融合计算，保障了神经网络高效的推理和学习；通过基于硬件动态复用计算引擎，使推理与在线学习计算融合，提高了硬件的利用率。
-
Patent Agency Ranking
公开(公告)号：CN114239646A
公开(公告)日：2022-03-25
申请号：CN202111453751.5
申请日：2021-12-01
Applicant: 电子科技大学
Abstract: 本发明提出了一种基于复数神经网络的辐射源识别系统，其硬件部署系统包括射频数据采集模块、上位机控制模块以及可重构复数网络模块。射频数据采集模块用于实时采集辐射源数据并将数据传送至上位机控制模块；上位机控制模块用于对采集到的数据进行预处理和数据量化，并且实时显示识别结果；可重构复数网络模块用于对目标辐射源进行实时识别，以提高识别运算效率。其中可重构复数网络模块采用HLS技术和PYNQ框架，减少了硬件资源消耗和功耗，提高了系统的灵活性，使得系统能够适应复杂多变的电磁环境，解决了辐射源识别系统端侧部署困难，不便于携带的难题。
-
公开(公告)号：CN111738432B
公开(公告)日：2020-12-29
申请号：CN202010794982.1
申请日：2020-08-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种支持自适应并行计算的神经网络处理电路，属于神经网络硬件实现技术领域。该电路包含指令控制器、交互单元、特征图控制器、特征图存储单元、特征图缓存单元、权重控制器、权重存储单元、权重缓存单元、处理单元阵列；指令控制器中设置的并行模式判决器，根据当前层的特征图结构和权重结构，建立行并行模式、输入通道并行模式、混合并行模式三种并行模式的层计算模型，计算并选取完成当前层运算最少操作周期数的并行模式作为当前层的并行模式。本发明支持具有任意大小的特征图结构和权重结构的卷积网络，对不同的卷积网络能自适应的得到最佳的计算方案，使乘法器最大效率利用，减少资源浪费，提升处理速度。
-
公开(公告)号：CN114239646B
公开(公告)日：2023-06-16
申请号：CN202111453751.5
申请日：2021-12-01
Applicant: 电子科技大学
IPC: G06F18/00 , G06N3/0464 , G06N3/063
Abstract: 本发明提出了一种基于复数神经网络的辐射源识别系统，其硬件部署系统包括射频数据采集模块、上位机控制模块以及可重构复数网络模块。射频数据采集模块用于实时采集辐射源数据并将数据传送至上位机控制模块；上位机控制模块用于对采集到的数据进行预处理和数据量化，并且实时显示识别结果；可重构复数网络模块用于对目标辐射源进行实时识别，以提高识别运算效率。其中可重构复数网络模块采用HLS技术和PYNQ框架，减少了硬件资源消耗和功耗，提高了系统的灵活性，使得系统能够适应复杂多变的电磁环境，解决了辐射源识别系统端侧部署困难，不便于携带的难题。
-
公开(公告)号：CN111738432A
公开(公告)日：2020-10-02
申请号：CN202010794982.1
申请日：2020-08-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种支持自适应并行计算的神经网络处理电路，属于神经网络硬件实现技术领域。该电路包含指令控制器、交互单元、特征图控制器、特征图存储单元、特征图缓存单元、权重控制器、权重存储单元、权重缓存单元、处理单元阵列；指令控制器中设置的并行模式判决器，根据当前层的特征图结构和权重结构，建立行并行模式、输入通道并行模式、混合并行模式三种并行模式的层计算模型，计算并选取完成当前层运算最少操作周期数的并行模式作为当前层的并行模式。本发明支持具有任意大小的特征图结构和权重结构的卷积网络，对不同的卷积网络能自适应的得到最佳的计算方案，使乘法器最大效率利用，减少资源浪费，提升处理速度。
-
公开(公告)号：CN111832720B
公开(公告)日：2020-12-29
申请号：CN202010991702.6
申请日：2020-09-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种可配置神经网络推理与在线学习融合计算电路，属于神经网络技术领域。该电路包括主控制单元、可配置控制单元、缓存控制单元、压缩/解压缩单元、交互单元、缓存单元、神经网络融合计算单元。本发明电路通过配置神经网络的计算通路、在线学习的层数、以及标签生成方式实现了低成本可配置的推理和在线学习融合计算，保障了神经网络高效的推理和学习；通过基于硬件动态复用计算引擎，使推理与在线学习计算融合，提高了硬件的利用率。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
