-
公开(公告)号：CN108647780A
公开(公告)日：2018-10-12
申请号：CN201810324770.X
申请日：2018-04-12
Applicant: 东南大学 , 东南大学—无锡集成电路技术研究所
IPC: G06N3/063
Abstract: 本发明公开一种面向神经网络的可重构池化操作模块结构，包括动态配置模块和池化计算模块，所述池化计算模块用于完成池化层的计算过程，在动态配置模块的作用下，实现不同的池化方法，并且动态地配置池化操作的计算规模；当前输入队列在上一次计算之后从数据存储器中读取，结果通过输出队列传输到数据存储器。本发明还公开一种面向神经网络的可重构池化操作模块结构的实现方法，通过外部控制信号，动态配置模块的各个单元实现对池化计算模块的控制，根据各单元发出的控制信号，计算模块进行相应的计算操作并给出精确的输出结果。此种技术方案不仅可以降低计算过程的复杂度和时间，同时减少功耗，而且提高了计算的灵活性和单元利用率。
-
公开(公告)号：CN108921292B
公开(公告)日：2021-11-30
申请号：CN201810409591.6
申请日：2018-05-02
Applicant: 东南大学 , 东南大学—无锡集成电路技术研究所
Abstract: 本发明公开一种面向深度神经网络加速器应用的近似计算系统，包括：片上分布式静态随机存取存储器：存放压缩后的权重；控制单元和霍夫曼解码器：对配置单元中的编码进行解码操作，控制单元将数据分配到处理单元阵列。首“1”探测电路：探测输入数据的首“1”位置；处理单元阵列：实现权重和输入数据的乘加操作。此种技术方案可解决加速器中运算速度慢、运算量复杂、无法实现高性能高运算速率的问题，达到了深度神经网络加速器的高性能、高能效以及高运算速率的设计优点。
-
公开(公告)号：CN108647780B
公开(公告)日：2021-11-23
申请号：CN201810324770.X
申请日：2018-04-12
Applicant: 东南大学 , 东南大学—无锡集成电路技术研究所
IPC: G06N3/063
Abstract: 本发明公开一种面向神经网络的可重构池化操作模块结构，包括动态配置模块和池化计算模块，所述池化计算模块用于完成池化层的计算过程，在动态配置模块的作用下，实现不同的池化方法，并且动态地配置池化操作的计算规模；当前输入队列在上一次计算之后从数据存储器中读取，结果通过输出队列传输到数据存储器。本发明还公开一种面向神经网络的可重构池化操作模块结构的实现方法，通过外部控制信号，动态配置模块的各个单元实现对池化计算模块的控制，根据各单元发出的控制信号，计算模块进行相应的计算操作并给出精确的输出结果。此种技术方案不仅可以降低计算过程的复杂度和时间，同时减少功耗，而且提高了计算的灵活性和单元利用率。
-
公开(公告)号：CN108921292A
公开(公告)日：2018-11-30
申请号：CN201810409591.6
申请日：2018-05-02
Applicant: 东南大学 , 东南大学—无锡集成电路技术研究所
Abstract: 本发明公开一种面向深度神经网络加速器应用的近似计算系统，包括：片上分布式静态随机存取存储器：存放压缩后的权重；控制单元和霍夫曼解码器：对配置单元中的编码进行解码操作，控制单元将数据分配到处理单元阵列。首“1”探测电路：探测输入数据的首“1”位置；处理单元阵列：实现权重和输入数据的乘加操作。此种技术方案可解决加速器中运算速度慢、运算量复杂、无法实现高性能高运算速率的问题，达到了深度神经网络加速器的高性能、高能效以及高运算速率的设计优点。
-
公开(公告)号：CN114694062B
公开(公告)日：2025-03-21
申请号：CN202210257432.5
申请日：2022-03-16
Applicant: 东南大学
IPC: G06V20/40 , G06V40/20 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种融合表情信息的密集视频描述方法及系统，本发明的方法步骤如下：首先利用预训练好的I3D模型和InceptionV3模型分别提取视频的动态特征和行为类别特征；再基于视频上下文截取若干可能存在行为的视频片段，并为其各生成描述性文本；之后根据视频片段的视觉和文本信息，对候选人物的行为进行识别和跟踪；根据视觉和音频信息，预测行为主体表情类别；根据文本和表情信息，构建模型，生成融合表情信息的密集视频描述。系统采用web交互技术实现描述生成结果的可视化展示。本发明可以有效提高生成描述的准确性及丰富性，鲁棒性强。此外，结合语音合成等技术，本发明还能帮助视障人士较好的理解视频。
-
Patent Agency Ranking
公开(公告)号：CN112612446B
公开(公告)日：2024-02-23
申请号：CN202011480410.2
申请日：2020-12-15
Applicant: 东南大学
Abstract: 本发明公开了一种基于布斯编码的16*8近似乘法器片上动态计算系统，属于计算、推算或计数的技术领域。本发明中，输入的运算数据经过数据预加载模块读出有效位宽；将读到的有效位宽再输入相应的数据计算模式动态预解析模块，根据有效位宽将输入数据分为不同的类型，并作为配置近似方案的重要依据；将此前得到的数据位宽输入容许误差计算模块，计算最大容许误差；近似乘法器结构动态配置运算模块根据数据类型给出基础近似方案；比较该方案对应误差与最大容许误差，根据比较结果不断调整近似方案，最终得到最适合的方案，算出近似结果。在误差容许范围内找到最适合的近似配置方案，实时对乘法运算进行动态配置，使精度和功耗的选择更加灵活。
-
公开(公告)号：CN117149974A
公开(公告)日：2023-12-01
申请号：CN202311114498.X
申请日：2023-08-31
Applicant: 东南大学 , 江苏省海洋经济监测评估中心(江苏省海域使用动态监视监测中心)
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06N3/0455 , G06N3/047 , G06N3/0442
Abstract: 本发明公开了一种基于子图检索优化的知识图谱问答方法，该方法首先基于问答数据集构建实体识别和实体链接模型训练所需的数据集；其次利用微调的预训练语言模型搭建实体识别模型；之后根据识别得到的问句实体提及从映射词典和知识图谱中召回候选实体列表，通过实体消歧实现融合多特征的实体链接模型；接着采用多策略优化集束搜索过程，提出基于关系合并和实体排序的子图检索算法；最后基于预训练语言模型和孪生网络架构搭建问答匹配模型，对问题相关子图中的候选答案路径进行排序得到最终答案，实现知识图谱智能问答功能。
-
公开(公告)号：CN114496010A
公开(公告)日：2022-05-13
申请号：CN202111650713.9
申请日：2021-12-30
Applicant: 东南大学
Abstract: 本发明公开了一种基于磁性随机存储器(MRAM)的模拟域近存计算阵列结构，包括1晶体管1磁隧道结(1T1M)存储阵列、读写电路、行译码驱动电路、数据输入单元、脉冲产生电路、电流镜积分模块、模数转换器、移位加法电路、时序控制电路以及模式选择模块。该发明具备标准读写模式和近存计算模式。标准读写模式下实现存储阵列中数据的读写操作；近存计算模式下利用1T1M的存储单元，提高MRAM的等效磁阻比(TMR)，在读取数据的同时运用电流积分完成神经网络计算中的多比特乘累计算，同时将计算模块排布在存储阵列附近，既不改变存储阵列，也减少了访存能耗，相比传统的冯诺依曼架构的神经网络加速器，本发明有效提高计算精度和电路能效，且与现有存储结构兼容。
-
公开(公告)号：CN110600019B
公开(公告)日：2022-02-15
申请号：CN201910862959.9
申请日：2019-09-12
Applicant: 东南大学
Abstract: 本发明公开了基于实时场景下语音信噪比预分级的卷积神经网络计算电路，属于计算、推算、计数的技术领域。在传统的“语音特征提取+卷积计算识别输出”的语音识别网络电路工作模式基础上，增设动态实时语音信噪比检测模块。动态实时语音信噪比检测模块通过智能感知计算实时输出当前语音场景下的电路工作模式控制信号，并动态调节后续位宽可控的卷积网络计算模块的数据运算位宽大小以及自适应语音特征提取计算模块的快速傅里叶变换的蝶形运算级数，从根本上解决了传统卷积网络计算电路结构存在的场景适应力差、冗余计算多、资源占用过多的问题。
-
公开(公告)号：CN110750231B
公开(公告)日：2021-09-28
申请号：CN201910922468.9
申请日：2019-09-27
Applicant: 东南大学
Abstract: 本发明公开了一种面向卷积神经网络的双相系数可调模拟乘法计算电路，属于计算、推算、计数的技术领域。该乘法计算电路包括电流型网络数模转换模块、双相系数可调模拟乘法阵列、流水线型模数转换模块和计算单元控制模块，采用离散时间电路结构实现神经网络层的乘法计算，并新增了有符号乘数设计提供正向控制和负向控制，能实现带符号位的乘法，提供更宽范围的电压幅度。
-
-
-
-
-
-
-
-
-
Search Results
210
records
(took 0.054 seconds)
