检索结果-内蒙古大学图书馆

Science China Materials 2023年第8期66卷 3238-3250页

作者：袁帅冯哲仇伯仓李莹翟配郴李兰吴祖恒马淑芳许并社丁利苹尉国栋沈国震 Materials Institute of Atomic and Molecular Science School of Physics and EnergyShaanxi University of Science and TechnologyXi’an 710021China School of Integrated Circuits Anhui UniversityHefei 230601China School of Integrated Circuits and Electronics Beijing Institute of TechnologyBeijing 100081China

随着大数据和物联网的快速发展,基于传统冯·诺依曼架构的计算机存在吞吐量有限和能源利用效率低下的问题.基于忆阻器的人工神经网络计算系统被认为是克服这一瓶颈的候选之一.本研究成功研制了基于碳化硅纳米线薄膜的光电忆阻器,不... 详细信息

随着大数据和物联网的快速发展,基于传统冯·诺依曼架构的计算机存在吞吐量有限和能源利用效率低下的问题.基于忆阻器的人工神经网络计算系统被认为是克服这一瓶颈的候选之一.本研究成功研制了基于碳化硅纳米线薄膜的光电忆阻器,不仅可以很好地实现生物视觉突触的基本功能,还可以实现更为复杂的树突神经元和巴甫洛夫学习等类脑学习特性.在视觉功能的基础上,实现了集成在SiC忆阻器中的感知、存储和计算的功能.更重要的是,得益于SiC纳米线视觉突触优异的计算能力构建的脉冲神经网络能够实现早期肺癌病灶的识别.该方法迭代次数少,检测准确率可达90%以上,在医疗领域具有良好的应用前景.本研究为神经形态计算技术中基于SiC的感知-存储-计算一体化人工智能设备的开发和推广提供了一条有前景的途径.

关键词：脉冲神经网络检测准确率视觉功能人工智能生物视觉神经网络计算大数据物联网

来源：评论

学校读者我要写书评

暂无评论

广义逆矩阵及其在神经网络计算中应用

引用

大连理工大学学报 2000年第A1期40卷 8-11页

作者：吴微赵卫海大连理工大学应用数学系辽宁大连 116024

利用简单易懂的矩阵及向量内积等工具 ,给出广义逆矩阵的定义及性质 ,并以神经网络计算为例 ,讨论了它的实际应用 .

关键词：广义逆矩阵神经网络计算向量内积最优线性联想模型

来源：评论

学校读者我要写书评

暂无评论

阻变存储器神经网络计算可靠性提升技术研究

阻变存储器神经网络计算可靠性提升技术研究

引用

作者：黄成龙国防科技大学

学位级别：博士

神经网络技术的快速发展给人类社会带来巨大便利,同时也带来海量数据的计算与存储,传统处理器受冯·诺依曼体系结构“存储墙”问题的制约而无法满足高能效的计算需求,研究人员提出了存算融合的新模式。阻变存储器(ReRAM)是一种非易... 详细信息

神经网络技术的快速发展给人类社会带来巨大便利,同时也带来海量数据的计算与存储,传统处理器受冯·诺依曼体系结构“存储墙”问题的制约而无法满足高能效的计算需求,研究人员提出了存算融合的新模式。阻变存储器(ReRAM)是一种非易失性存储器件,具有更高的芯片集成度和更快的访存速度以及多值存储能力,它的出现为存算融合的实现带来了曙光,其交叉阵列结构能以存算融合的模式完成神经网络中的矩阵-向量乘法运算,为实现高能效神经网络计算注入了强大的动力。然而,受器件制备工艺、阻变材料以及器件调控等因素的影响,该器件本身及其交叉阵列存在着诸多非理想性质影响神经网络计算在ReRAM器件平台上的部署以及正确工作,从而降低了神经网络计算的可靠性。本文从神经网络量化方法设计、硬件补偿方法优化、补偿训练方法优化、减小映射误差等方面开展研究。本文的主要工作如下:1.针对神经网络模型难以在资源受限或精度受限的硬件平台上部署,提出一种硬件友好型混合量化方法。首先,介绍了定点量化与对数量化的原理和特点,并确立了以信号量化噪声比(SQNR)作为量化误差的评价标准。进而,对神经网络的权值使用定点量化,并根据神经网络各层激活值经定点量化与对数量化后的SQNR值来为各层激活值选择合适的量化方法。然后,针对对数量化存在粗粒度量化步长的不足,将定点量化表示方式引入到对数量化方法中,以实现量化步长与量化范围之间的权衡。最后,对混合量化的量化效果进行评估,并与已有量化方法进行比较。实验结果表明,同等量化精度条件下使用混合量化可以获得比单一量化方法更高的分类准确率。2.针对电压降(IR-Drop)与Stuck-at-Fault(SAF)对ReRAM神经网络计算可靠性造成的不利影响,提出两种基于ReRAM的硬件补偿方法。首先,分析了IR-Drop与SAF的存在对ReRAM交叉阵列输出电流的影响。进而,针对IR-Drop与SAF造成的输出电流偏差与输出电压偏差,提出冗余ReRAM调节行和基于ReRAM的跨阻放大器两种硬件补偿方法。通过控制冗余ReRAM调节行的器件电阻值及调节电压值,可以实现对输出电流偏差的补偿。通过控制ReRAM跨阻放大器的器件电阻值,可以实现对输出电压偏差的补偿。最后,仿真分析两种硬件补偿方法对IR-Drop与SAF的补偿效果,并与已有方法进行比较。仿真结果表明,两种硬件补偿方法能够有效减轻SAF与IR-Drop造成的ReRAM神经网络分类准确率损失。3.针对器件写入偏差对ReRAM神经网络计算可靠性造成的不利影响,提出基于比例因子的硬件补偿逻辑以及与之相结合的两种补偿训练方法。首先,通过在ReRAM交叉阵列的输出端引入可训练的比例因子,可以实现对输出结果缩放,从而能够补偿器件写入偏差造成的输出结果偏差。然后,基于比例因子的补偿思想提出支持其补偿作用的硬件逻辑,并提出基于比例因子的补偿训练方法与基于比例因子的偏差感知补偿训练方法。两种补偿训练方法的提出可以分别有效减轻一次编程和重复编程产生的器件写入偏差对ReRAM神经网络计算的影响。最后,仿真分析两种补偿训练方法对器件写入偏差的补偿效果,并与已有方法进行比较。仿真结果表明,所提出的软硬件结合的补偿方法能够有效减轻器件写入偏差造成的ReRAM神经网络分类准确率损失。4.针对器件电导值非线性分布对ReRAM神经网络计算可靠性造成的不利影响,提出基于最小映射误差的自适应电导值量化方法。首先,对ReRAM器件电导值与权值的映射关系进行介绍,并分析器件电导值的非线性分布对权值表示的影响。进而,基于部分ReRAM器件的实测电导值数据总结出e指数分布的电导值模型。然后,基于单个器件的电导值分布对ReRAM差分对所能提供的电导值选择进行分析,并提出适应差分对电导值分布的量化方法。通过使用自适应电导值量化方法,可以实现神经网络的量化权值与ReRAM差分对的电导值成线性映射关系,从而使交叉阵列能够正确执行矩阵-向量乘法运算。最后,仿真分析了所提出的自适应电导值量化方法在不同的非线性电导值分布模型条件下的量化效果,并与传统的线性量化方法进行比较。仿真结果表明,基于最小映射误差的自适应电导值量化方法能够有效减轻器件电导值非线性分布造成的ReRAM神经网络分类准确率损失。

关键词：阻变存储器神经网络计算可靠性神经网络量化硬件补偿方法补偿训练方法

来源：评论

学校读者我要写书评

暂无评论

神经网络计算方法、装置、移动终端及存储介质

神经网络计算方法、装置、移动终端及存储介质

引用

作者：刘耀勇陈岩 523860 广东省东莞市长安镇乌沙海滨路18号

本申请实施例公开了一种神经网络计算方法、装置、移动终端及存储介质，该方法包括：获取M个待执行算子，计算M个待执行算子之间的依赖关系，N为大于或等于2的整数；依据M个待执行算子之间的依赖关系对M个待执行算子进行切割，得到N个... 详细信息

标准号: CN109902819B

本申请实施例公开了一种神经网络计算方法、装置、移动终端及存储介质，该方法包括：获取M个待执行算子，计算M个待执行算子之间的依赖关系，N为大于或等于2的整数；依据M个待执行算子之间的依赖关系对M个待执行算子进行切割，得到N个算子集合，N个算子集合中的每个算子集合至少包括1个算子，N为大于或等于2的整数；若N个算子集合为相互独立的算子集合，启用N个线程分别对N个算子集合中的算子进行计算。本申请实施例可以降低神经网络的推理时间。

关键词：算子集合算子依赖关系神经网络计算存储介质神经网络移动终端推理线程申请切割

来源：评论

学校读者我要写书评

暂无评论

神经网络计算装置及其快取管理方法

神经网络计算装置及其快取管理方法

引用

作者：顾德明张炜王渊峰何贵翔 201203 上海市浦东新区自由贸易试验区张衡路200号2幢3层

一种神经网络计算装置及其快取管理方法。神经网络计算装置包括计算电路、快取电路以及主存储器。计算电路进行包括第一层计算以及第二层计算的神经网络计算。在计算电路完成第一层计算而产生第二层计算所需的第一计算结果后，快取电路... 详细信息

标准号: CN111738417B

一种神经网络计算装置及其快取管理方法。神经网络计算装置包括计算电路、快取电路以及主存储器。计算电路进行包括第一层计算以及第二层计算的神经网络计算。在计算电路完成第一层计算而产生第二层计算所需的第一计算结果后，快取电路将第一计算结果保留于快取电路中直到第二层计算完成。在第二层计算完成后，快取电路将被保留于快取电路中的第一计算结果无效化，以避免第一计算结果被写入主存储器。

关键词：快取电路神经网络计算计算电路主存储器第一层无效化保留写入管理

来源：评论

学校读者我要写书评

暂无评论

神经网络计算中与数据存储装置通信的系统、方法及设备

神经网络计算中与数据存储装置通信的系统、方法及设备

引用

作者： P·卡利 R·R·N·比尔比美国爱达荷州

本发明提供神经网络计算中与数据存储装置通信的系统、方法及设备。举例来说，交通工具可具有经配置以产生用于预测性维护的传感器数据流的一组传感器。所述交通工具的一或多个处理器基于所述传感器数据而产生到人工神经元的输入。所述... 详细信息

标准号: CN112396157A

本发明提供神经网络计算中与数据存储装置通信的系统、方法及设备。举例来说，交通工具可具有经配置以产生用于预测性维护的传感器数据流的一组传感器。所述交通工具的一或多个处理器基于所述传感器数据而产生到人工神经元的输入。所述输入被写入到所述数据存储装置中，所述数据存储装置配置有神经网络加速器并存储人工神经网络ANN的模型数据。所述神经网络加速器将所述输入应用于所述ANN以产生输出。所述数据存储装置报告所述输出的可用性(例如，使用对将所述输入写入到所述数据存储装置中的请求的响应)。所述交通工具的所述处理器可选择性地从所述数据存储装置读取所述输出及/或请求所述数据存储装置将所述输出从缓冲器存储到非易失性存储器。

关键词：数据存储装置交通工具输出神经网络加速器处理器写入缓冲器数据存储装置通信人工神经网络ANN 非易失性存储器传感器数据流神经网络计算读取传感器数据人工神经元预测性维护模型数据输入应用组传感器可用性配置存储响应

来源：评论

学校读者我要写书评

暂无评论

神经网络计算技术

神经网络计算技术

引用

作者： G·肖姆龙 R·加格 S·B·埃耶尔马兹 M·安德施美国加利福尼亚州

本发明公开了神经网络计算技术，具体公开了用于执行与计算神经网络的输出相关联的矩阵计算的装置、系统和技术。在至少一个实施例中，一个或更多个电路使得一个或更多个神经网络的一个或更多个特征映射在空间上被串接。

标准号: CN117993450A

关键词：计算神经网络神经网络计算矩阵计算神经网络输出相映射串接电路关联

来源：评论

学校读者我要写书评

暂无评论

神经网络计算装置

神经网络计算装置

引用

作者：蒋文 518000 广东省深圳市龙岗区园山街道龙岗大道8288号深圳大运软件小镇17栋1楼

本申请实施例提供一种神经网络计算装置，包括系统控制模块、计算模块、总线控制接口模块和动态缓存模块，系统控制模块与计算模块通信连接，总线控制接口模块分别与计算模块、动态缓存模块通信连接，神经网络计算装置通过总线控制接口... 详细信息

标准号: CN111984548B

本申请实施例提供一种神经网络计算装置，包括系统控制模块、计算模块、总线控制接口模块和动态缓存模块，系统控制模块与计算模块通信连接，总线控制接口模块分别与计算模块、动态缓存模块通信连接，神经网络计算装置通过总线控制接口模块与外部存储模块通信连接；动态缓存模块存储从所述外部存储模块读取的源图像像素点数据；在计算过程中若需再次用到该源图像像素点数据，则只需从动态缓存模块中读取，由于从外部存储模块中读取数据的时间远远大于从内部动态缓存模块中读取数据的时间，因此本申请实施例可以从内部动态缓存模块中该读取源图像像素点数据，从而减少去外部存储读取数据，有利于提高计算效率，并减少数据带宽的需求。

关键词：动态缓存模块外部存储模块总线控制接口计算模块通信连接点数据神经网络计算系统控制模块读取源图像像素计算过程计算效率数据带宽图像像素外部存储读取源申请存储

来源：评论

学校读者我要写书评

暂无评论

神经网络计算方法和装置、电子设备及存储介质

神经网络计算方法和装置、电子设备及存储介质

引用

作者：邓磊吴臻志何伟施路平 100190 北京市海淀区北四环西路67号8层801

本申请公开了一种神经网络计算方法和装置、电子设备及存储介质，属于人工智能技术领域。该神经网络计算方法包括：获取所述神经网络中的多个输入信号；根据多个所述输入信号在查找表中查找对应的计算结果；其中，所述查找表中存储有多... 详细信息

标准号: CN112215338A

本申请公开了一种神经网络计算方法和装置、电子设备及存储介质，属于人工智能技术领域。该神经网络计算方法包括：获取所述神经网络中的多个输入信号；根据多个所述输入信号在查找表中查找对应的计算结果；其中，所述查找表中存储有多个所述输入信号对应的计算结果。这样可以将多个输入信号对应的计算结果存储在查找表中，直接通过查找表，查找多个输入信号对应的计算结果，无需使用过多的选通器和加法器来完成输入‑权重乘累加过程，从而减少了计算资源占用和功耗开销。

关键词：查找表信号对应神经网络计算计算结果存储人工智能技术方法和装置查找存储介质电子设备功耗开销计算资源累加过程神经网络加法器选通器权重存储占用申请

来源：评论

学校读者我要写书评

暂无评论

基于神经网络计算的数据挖掘方法研究

引用

大众科技 2006年第8期8卷 95-96页

作者：冯欢欣大连外国语学院辽宁大连116002

数据挖掘(DataMining)能够从大量模糊和随机的数据中提取潜在有用的信息和知识,对于知识发现、商业数据分析、数据融合以及决策支持具有重要意义。文章给出了数据挖掘方法的研究现状,讨论了基于神经网络计算的数据挖掘方法,指出了其存... 详细信息

数据挖掘(DataMining)能够从大量模糊和随机的数据中提取潜在有用的信息和知识,对于知识发现、商业数据分析、数据融合以及决策支持具有重要意义。文章给出了数据挖掘方法的研究现状,讨论了基于神经网络计算的数据挖掘方法,指出了其存在的问题和发展趋势。

关键词：神经网络计算数据挖掘商业决策

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：