本发明提出了一种批量写入遗忘忆阻桥交叉架构的读写方法、系统。采用批量写入遗忘忆阻桥构建忆阻交叉架构，所述忆阻交叉架构的输入信号包括五线谱行信号和列信号；所述行信号用于确定选中行和非选中行，选中行和非选中行连接不同写信号，选中行上的忆阻桥上的电压高于设置阈值，非选中行上的忆阻桥的电压低于设置阈值；根据所述列信号的占空比对选中行中的忆阻桥写入长短时记忆正负权值和零权值，对非选中行进行电路保护。该方法的写入权值范围更广，功能更强大，更便于控制，电路安全性更高。
📄 2022110608465
📂 G06N3_063
👤 西南大学
📅 2022-08-31
一种基于局部有源忆阻器的深度回声状态网络系统，包括输入层，所述输入层采集具有时间序列属性的向量数据组，并传送向量数据组给第一个储备池和训练池，所述储备池的输出端连接所述训练池，所述训练池输出训练结果给输出层，其特征在于：所述输入层与首尾依次连接的n个储备池中的第一个储备池相连接；所述储备池内设置有掩膜和局部有源忆阻器，其中第一个储备池内的掩膜连接所述输入层，所述局部有源忆阻器前端接掩膜，后端串负载电阻后接地；后级储备池内的的输入是前级负载电阻之间的电压值。其显著效果是：大大减少了储备池的尺寸，简化训练，只需要单个局部有源忆阻器就可实现深度结构，适用于复杂的时间序列预测任务，具有更好的系统性能。
📄 2023104899203
📂 G06N3_065
👤 西南大学
📅 2023-05-04
本发明提供一种基于级联VCSELs光子神经的模式识别装置及方法，该方法包括：步骤1：输出脉冲序列的波形；步骤2：利用步骤1得到的波形对可调激光器产生的连续波进行调制，以得到光学脉冲序列；步骤3：将所述光学脉冲序列信号分成三路，该三路信号分别注入到神经网络三个级联的VCSELs光子神经元；步骤4：采集各神经元输出的信号，并利用计算机进行处理运算，并根据运算的结果调节控制输入神经元的脉冲信号，以实现脉冲序列的模式识别。本发明通过三个级联的VCSELs光子神经元构成可实现脉冲序列识别的光子神经网络。
📄 2020101481273
📂 G06N3_067
👤 西南大学
📅 2020-03-05
本发明公开了一种基于混合比特位宽的稀疏卷积加速器，该稀疏卷积加速器包括：总控模块，用于控制所述基于混合比特位宽的稀疏卷积加速器的整体运行；DMA，用于执行片内外图像数据和权重的搬运；第一计算核，用于完成混合比特位宽的稀疏卷积层的加速；缓存模块，用于缓存和复用数据。本发明提出了一种以低位宽乘法器为基本单元，通过加法、移位及基本单元的灵活组合，以支持混合精度计算的CNN乘法累加器结构，灵活、高效地实现对不同压缩网络模型的卷积算子的硬件加速。本发明可广泛应用于芯片设计领域。
📄 2024104606156
📂 G06N3_063
👤 广东工业大学
📅 2024-04-17
本发明请求保护一种基于快速滤波算法的卷积神经网络加速器电路。为了减少卷积神经网络算法(CNN)的计算量，本发明利用快速滤波算法消除了二维卷积运算中卷积窗口之间重叠区域计算的冗余，使得算法强度缩减，提高了卷积计算效率。接着，本发明设计了4并行快速滤波算法的卷积计算加速单元，该单元采用若干小滤波器组成的复杂度较低的并行滤波结构来实现。这对于可编程的FPGA设计来说，不仅可以降低硬件资源的消耗，还可以提升运行速度。同时本文还对激活函数进行了优化设计，利用查找表和多项式结合的分段拟合方法设计了激活函数(sigmoid)的硬件电路，以保证近似的激活函数的硬件电路不会使精度下降。
📄 2019100038980
📂 G06N3_063
👤 重庆邮电大学
📅 2019-01-03
本发明涉及一种基于小波相干的脑肌功能网络构建方法。在人体运动过程中，大脑皮层通过脊髓和周围神经控制肌肉组织的运动，使得肢体可以完成一定的运动功能，而肢体的运动又可以通过传入神经反馈给大脑皮层。脑肌电功能耦合可以从生理上反映皮层与肌肉之间的关系。为了更好的探索人体行为感知，应用脑电与肌电信号研究运动过程中不同通道信号之间的脑肌功能耦合强度，并以此作为复杂网络加权边的值，构建脑肌功能网络。将两两信号之间的小波相干值作为脑肌功能耦合强度，同时为了增大不同动作网络模型的差异，应用阈值法和固定加权边法简化网络模型。实验结果证明，构建的脑肌功能网络具有小世界特性，应用网络特征，可对人体行为动作进行识别。
📄 2020104609601
📂 G06N3_06
👤 杭州电子科技大学
📅 2020-05-27
本发明请求保护一种基于LIF(Leaky Integrate and Fire)模型的脉冲神经网络神经元电路，属于集成电路设计领域。该电路主要包括：膜电位积累电路、泄露电路、脉冲产生电路、不应期电路及复位电路。本发明不仅实现了LIF神经元模型的积分泄露点火功能，还模拟了生物神经元的不应期特性，其中不应期可调。本发明基于CMOS工艺，电路结构简单，且电路中多采用亚阈值区MOS管，使神经元电路具有超低功耗特性；电路的输入电流为pA级，输出脉冲频率为Hz级，能很好模拟生物神经元的典型工作状态，有效地实现了神经元的功能，可用于实现大规模脉冲神经网络系统。
📄 2020113517543
📂 G06N3_063
👤 重庆邮电大学
📅 2020-11-26
本发明公开了一种基于STDP法则的全数字脉冲神经网络硬件系统及方法，本发明有机地结合了神经生物学中的STDP法则，以及数字电路中可并行化处理数据的优势，将会在图像处理领域高效地完成对图像数据集的训练和识别任务。该脉冲神经网络系统包含输入层神经元模块、可塑性学习模块、数据线控制模块、突触阵列模块、输出层神经元模块和实验报告模块。输出层神经元模块的输出端连接数据线控制模块的输入端和可塑性学习模块的输入端，可塑性学习模块的输出端连接数据线控制模块的输入端，数据线控制模块的输出端连接突触阵列模块的输入端，突触阵列模块的输出端连接输出层神经元输入端，输出层神经元的输出端连接实验报告模块的输入端。
📄 2021105292218
📂 G06N3_06
👤 杭州电子科技大学
📅 2021-05-14
本发明涉及集成电路领域及人工智能领域，具体地说涉及系统级别的集成电路芯片，特别涉及一种动态多精度神经网络加速单元。本发明通过将PE单元阵列化后，再次将PE单元阵列作为阵列单元的双重阵列设计，来支持不同的神经网络层级运算，满足不同算法以及不同数据精度的需求。还对神经网络计算单元进行硬件加速设计，在整体设计中加入流水线设计，极大提升数据吞吐率与运算速度，且重点优化神经运算单元的乘加单元，提升硬件资源的复用，极大减少硬件面积；能根据神经网络模型的需要，满足不同精度的数据类型运算；同时支持神经网络中的基本运算，例如卷积，池化，非线性映射，矩阵乘等。
📄 2020107476870
📂 G06N3_063
👤 电子科技大学广东电子信息工程研究院
📅 2020-07-30
本发明涉及基于新型激励函数的DNA分子学习机，属于DNA分子计算及人工智能的交叉领域，本方案提出了面向分子电路的新型激励函数，并将该激励函数嵌入到DNA分子电路中，构建了DNA分子学习机，该学习机的学习过程，即权值更新无需硅基电子计算机的参与，完全依靠DNA分子杂交反应的自适应性完成；该学习系统由三部分构成，包括DNA分子学习机的输入层部分、隐藏层部分和输出层部分，该DNA学习机具有学习较复杂非线性函数的能力，与硅电路串行计算模式不同的是，该学习过程是通过DNA杂交反应的同步性实现，因此该DNA分子学习机的计算模式为并行计算模式，通过该方法可以预测或拟合多变量非线性函数，并对输入项的个数没有限制。
📄 2023110588038
📂 G06N3_063
👤 燕山大学
📅 2023-08-22
本发明公开了一种基于三维自适应分区算法的脑功能有向连接评估方法，所述方法包括以下步骤：步骤S1：连续时间序列离散化；步骤S2：构建联合分布空间；步骤S3：使用三维自适应分区算法将整个分布空间划分成许多内部近似均匀分布的子区域；步骤S4：计算联合概率质量函数；步骤S5：计算传递熵。该方法极大减少了传统离散传递熵由于维度灾难导致的计算结果失真问题，能够更准确更稳健地评估脑区间的有向连接，尤其是对样本量较小的神经信号。
📄 2021113935483
📂 G06N3_06
👤 燕山大学
📅 2021-11-23
本发明提供一种面向异构设备的分布式神经网络训练方法、装置及介质，所述方法包括：步骤10、计算每一设备端面向不同数据源的算力值；步骤20、进行模型分割，将原始深度模型分割给各个设备端，使得每一设备端到各自的分割模型；步骤30、在每一设备端上以自身输出和设定的迭代次数对分割模型训练，并在迭代完成后将模型参数进行加密处理后上传至服务端，服务端获取各个设备端的加密信息并解析得到模型参数，利用各个设备端的模型参数对原始深度模型进行更新，完成分布式训练。本发明可实现大规模场景的训练需求，同时实现隐私保护和模型压缩，提高安全性和训练效率。
📄 2021108021985
📂 G06N3_063
👤 华侨大学
📅 2021-07-15
柿子坊 · 知识产权运营
柿子坊知识产权运营平台