公开(公告)号：CN110222760A

公开(公告)日：2019-09-10

申请号：CN201910480120.9

申请日：2019-06-04

申请人： 东南大学 ,  东南大学—无锡集成电路技术研究所

发明人： 闫浩 ,  庞亮 ,  姚梦云 ,  门亚清 ,  李华超 ,  柴一凡 ,  时龙兴

IPC分类号： G06K9/62

摘要： 本发明公开一种基于winograd算法的快速图像处理方法，包括如下步骤：步骤1，选取数据集，利用Caffe框架训练自定义的神经网络模型，提取训练后的模型的卷积核权重、偏置值；步骤2，提取输入图片像素点，并存放在四维数组中，四个维度分别是输入图片数目、通道数、图片的长和宽；步骤3，构造基于winograd算法的卷积算子，判断卷积核尺寸是否为3×3且通道数是否大于10，如果满足，则使用winograd算子进行卷积操作；步骤4，输出卷积操作后得到的结果，并判断本层是否为最后一层卷积层，如果是，将输出图片经过RELU层的非线性变换后送入全连接层，否则重复步骤3。此种图像处理方法可提高处理器运行神经网络时的计算能效。

公开(公告)号：CN110222760B

公开(公告)日：2023-05-23

申请号：CN201910480120.9

申请日：2019-06-04

申请人： 东南大学 ,  东南大学—无锡集成电路技术研究所

发明人： 闫浩 ,  庞亮 ,  姚梦云 ,  门亚清 ,  李华超 ,  柴一凡 ,  时龙兴

IPC分类号： G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

摘要： 本发明公开一种基于winograd算法的快速图像处理方法，包括如下步骤：步骤1，选取数据集，利用Caffe框架训练自定义的神经网络模型，提取训练后的模型的卷积核权重、偏置值；步骤2，提取输入图片像素点，并存放在四维数组中，四个维度分别是输入图片数目、通道数、图片的长和宽；步骤3，构造基于winograd算法的卷积算子，判断卷积核尺寸是否为3×3且通道数是否大于10，如果满足，则使用winograd算子进行卷积操作；步骤4，输出卷积操作后得到的结果，并判断本层是否为最后一层卷积层，如果是，将输出图片经过RELU层的非线性变换后送入全连接层，否则重复步骤3。此种图像处理方法可提高处理器运行神经网络时的计算能效。

公开(公告)号：CN111581909A

公开(公告)日：2020-08-25

申请号：CN202010293923.6

申请日：2020-04-15

申请人： 东南大学

发明人： 田茜 ,  庞亮 ,  姚梦云 ,  时龙兴 ,  宋慧滨

IPC分类号： G06F30/398 ,  G06F17/18 ,  G06F119/02

摘要： 本发明公开了一种基于改进的自适应重要性采样的存储器电路良率评估方法，该方法可以快速精准地评估SRAM单元静态指标和动态指标的失效率。该方法包括：提取代工厂提供的PDK中MOS管的相关工艺参数，通过超球面采样采N个失效点；利用该N个失效点构造N个联合正态分布，并建立相应的混合正态分布作为扭曲的采样函数；在每次迭代中，从前一次的N个联合正态分布产生N个样本点；计算失效率的无偏估计和样本的权重值；归一化样本的权重值，并根据权重值重新进行采样，用重采样的值更新位置参数；完成一轮迭代后，判断是否进行了方差修正，如果没有，利用EM算法更新协方差矩阵，再重新开始迭代；直到相对偏差小于0.1；否则结束算法，输出最终结果。

公开(公告)号：CN111581909B

公开(公告)日：2022-11-15

申请号：CN202010293923.6

申请日：2020-04-15

申请人： 东南大学

发明人： 田茜 ,  庞亮 ,  姚梦云 ,  时龙兴 ,  宋慧滨

IPC分类号： G06F30/398 ,  G06F17/18 ,  G06F119/02

摘要： 本发明公开了一种基于改进的自适应重要性采样的存储器电路良率评估方法，该方法可以快速精准地评估SRAM单元静态指标和动态指标的失效率。该方法包括：提取代工厂提供的PDK中MOS管的相关工艺参数，通过超球面采样采N个失效点；利用该N个失效点构造N个联合正态分布，并建立相应的混合正态分布作为扭曲的采样函数；在每次迭代中，从前一次的N个联合正态分布产生N个样本点；计算失效率的无偏估计和样本的权重值；归一化样本的权重值，并根据权重值重新进行采样，用重采样的值更新位置参数；完成一轮迭代后，判断是否进行了方差修正，如果没有，利用EM算法更新协方差矩阵，再重新开始迭代；直到相对偏差小于0.1；否则结束算法，输出最终结果。