-
公开(公告)号：CN116579392A
公开(公告)日：2023-08-11
申请号：CN202310184157.3
申请日：2023-02-21
Applicant: 鹏城实验室
IPC: G06N3/063 , H03K19/17704 , G06N3/08 , G06N3/084 , G06N3/048 , G06N3/045 , G06F17/16 , G06F17/15
Abstract: 本发明公开一种基于电导可调器件的神经网络训练操作系统及方法，所述系统包括：第一电压转换模块用于将上一网络层的正向输出信号转换为输入电压信号；可调电导模块用于处理输入电压信号，输出第一电流信号，同时用于处理反向输入电压信号，输出第二电流信号；第一比较模块用于将第一电流信号进行比较；采样保持模块用于对比较结果进行采样，输出当前网络层的正向输出信号和导数信号；乘积模块用于将下一网络层的反向误差信号与导数信号相乘；第二电压转换模块将相乘结果转换为反向输入电压信号；第二比较模块将第二电流信号进行比较，输出当前网络层的反向误差信号。上述方法使网络层之间的信息传递均为二值化形式，节约了计算资源并减少了功耗。
-
公开(公告)号：CN118227049A
公开(公告)日：2024-06-21
申请号：CN202410321110.1
申请日：2024-03-20
Applicant: 鹏城实验室
Abstract: 本申请公开了一种存储器输入数据的方法、装置、设备及存储介质，涉及数据处理技术领域，该方法包括：获取需要输入至存储器的待输入数据；对所述待输入数据进行待识别处理，获得处理数据；将所述处理数据输入所述存储器的外围后，在所述外围将所述处理数据恢复至所述待输入数据。在本申请中，通过待识别处理可以将待输入数据处理至存储器可以识别输入的范围，将待输入数据输入到存储器后，在存储器中将写入的数据进行恢复，以保证写入存储器中的数据为待输入数据，进而解决颈存储器无法将负值信号输入存储器交叉阵列的问题。
-
公开(公告)号：CN116049120A
公开(公告)日：2023-05-02
申请号：CN202310096692.3
申请日：2023-01-17
Applicant: 鹏城实验室
IPC: G06F16/176 , G06F16/14 , G06F16/172 , G06F16/13 , G06F16/11 , G06F16/21 , G06F30/20
Abstract: 本发明公开了一种基于网络的数据共享方法及相关设备，所述方法包括：当接收到当前用户的建模请求时，在已上传的电子器件数据中进行查找，得到相关的存储电子器件数据并判断是否公开，若是，则将当前电子器件数据与存储电子器件数据进行拟合建模，得到建模结果；当拟合建模完成后，判断当前用户是否公开当前电子器件数据，若是，则将当前电子器件数据进行共享，并根据建模结果对存储电子器件数据进行评分。本发明通过将各用户上传的电子器件测试数据与电子器件模型进行集中管理以及拟合建模与共享评分，促进了提供电学测试数据的研究人员和提供器件模型的研究人员之间的沟通，同时也促进了新型电子器件的开发与研究。
-
Patent Agency Ranking
公开(公告)号：CN119396750A
公开(公告)日：2025-02-07
申请号：CN202410747955.7
申请日：2024-06-11
Applicant: 鹏城实验室
Abstract: 本发明公开了一种支持双极信号读出的信号处理方法、装置、设备及存储介质，该方法包括：获取原始输出电流，原始输出电流是神经网络反向传播过程中输出的包含正负值的点积结果；在模拟域，对原始输出电流进行映射，映射为正值的输出电压；对输出电压进行模数转换获得对应的数字信号；在数字域，对数字信号进行恢复处理，获得原始输出电流对应的目标信号序列。由于本发明是在模拟域，对神经网络反向传播过程中输出的包含正负值的点积结果映射为正值的输出电压，然后在数字域对输出电压进行模数转换获得的数字信号进行恢复处理，解决了现有技术中将反向传播过程中将包含正负值的双极信号从存储器交叉阵列的输出端读出的开销和能耗较大的技术问题。
-
公开(公告)号：CN117408319A
公开(公告)日：2024-01-16
申请号：CN202311329358.4
申请日：2023-10-13
Applicant: 鹏城实验室
Abstract: 本发明涉及神经网络技术领域，尤其涉及一种神经网络分类器，该神经网络分类器包括：交叉阵列和二值化激活电路；交叉阵列，用于根据神经网络权重对输入的输入电压信号进行点积求和，并将获得的输出电流信号传输至二值化激活电路，神经网络权重以电导的方式存储在交叉阵列中；二值化激活电路，用于将输出电流信号与基准信号进行比较，获得数字信号，并根据数字信号获得分类结果。由于本发明可通过二值化激活电路对输出电流信号与基准信号进行比较，获得数字信号，相比于现有的需通过ADC对模拟电流信号进行模数转换获得数字信号，本发明可通过将输出电流信号与基准信号进行比较的方式获得数字信号，无需使用ADC，进而可降低系统功耗。
-
公开(公告)号：CN116227564A
公开(公告)日：2023-06-06
申请号：CN202310123640.0
申请日：2023-02-02
Applicant: 鹏城实验室
Abstract: 本发明公开了一种基于IGZO双晶体管的人工突触实现方法及神经网络应用，所述人工突触神经网络包括：权重调整模块，与权重调整模块耦合连接的IGZO双晶体管无电容存储器阵列，以及与IGZO双晶体管无电容存储器阵列耦合连接的输入模块和输出模块；IGZO双晶体管无电容存储器阵列包括若干IGZO双晶体管无电容存储器单元，IGZO双晶体管无电容存储器单元由两个IGZO场效应晶体管器件组成，包括：写晶体管和读晶体管。本发明中的双晶体管无电容结构存储器可降低刷新频率和功耗。同时，双晶体管结构实现了权重写入和读取的分离，整体的外围读写电路设计和操作可以得到极大的简化。最后，使用IGZO晶体管可制备出柔性透明的逻辑电路，应用在可穿戴的人工智能设备等领域。
-
公开(公告)号：CN117313806A
公开(公告)日：2023-12-29
申请号：CN202311470297.3
申请日：2023-11-06
Applicant: 鹏城实验室
IPC: G06N3/048 , G06N3/084 , G06F18/214
Abstract: 本发明公开了一种神经网络训练方法、装置、设备及存储介质。所述神经网络训练方法应用于神经网络训练系统，所述神经网络训练系统包括CAM电路和存储器阵列，所述神经网络训练方法包括以下步骤：获取待训练神经网络的训练阶段信息，根据所述训练阶段信息确定内存计算模式，所述内存计算模式包括正向传播模式和反向传播模式；根据所述内存计算模式生成所述CAM电路的控制信号；基于所述控制信号控制所述待训练神经网络训练过程中目标数据在所述存储器阵列中的数据流向。本发明上述方式能够实现神经网络训练过程中数据流的双向配置，完成神经网络正向传播和反向传播的计算加速，提高模型训练效率。
-
公开(公告)号：CN115906936A
公开(公告)日：2023-04-04
申请号：CN202211356224.7
申请日：2022-11-01
Applicant: 鹏城实验室
IPC: G06N3/0464 , G06N3/044 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种神经网络训练及推理方法、装置、终端及存储介质，包括：对正向传播的网络节点信息进行映射处理，并根据映射后的数值进行伯努利过程采样，将得到的随机二值化数值作为下一层网络的输入；对激活函数的导数进行伯努利过程采样，得到随机二值化后的激活函数的导数；对下一层网络的反向传播的误差进行符号化处理，并根据符号化处理后的值和随机二值化后的导数计算本层网络的误差信息；根据本层网络的误差信息和上一层网络产生的随机二值化输出对本层网络进行训练；根据逐层传播的随机二值化数值进行神经网络的推理。本发明采用随机二值化的信号进行正向传播和符号化的误差进行反向传播的神经网络，降低计算资源且提高了识别精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
