-
公开(公告)号：CN114065680A
公开(公告)日：2022-02-18
申请号：CN202111372705.2
申请日：2021-11-18
申请人： 复旦大学 , 上海新氦类脑智能科技有限公司
IPC分类号： G06F30/36
摘要： 本发明提供了一种用于模拟非线性现象的忆阻器模型，由VTEAM模型模块和窗函数模块构，所述窗函数模块包括用于控制幅度大小的j，和用于控制窗函数线性度的p，且j和p可以是任意正实数，可覆盖几乎整个矩形区域。本忆阻器模型可有效地模拟忆阻器非线性掺杂剂漂移现象，并且模型通过控制参数j和p来调节非线性度，可有效解决忆阻器窗函数模存在的边界效应、边界锁定、不灵活性和高复杂度问题。
-
公开(公告)号：CN113282411A
公开(公告)日：2021-08-20
申请号：CN202110544084.5
申请日：2021-05-19
申请人： 复旦大学 , 上海新氦类脑智能科技有限公司
摘要： 本发明涉及人工智能技术领域，具体是一种基于边缘设备的分布式神经网络训练系统，通过IoT边缘设备进行分布式联合训练的方式，以实现对边缘端产生的海量数据进行有效利用的功能；通过对Parameter Server分布式架构下机器学习分布式训练的设备优化组网配置进行以各设备间性能、带宽进行综合配比实现最优配置；通过对训练任务的模型大小、各设备性能和带宽之间进行优化分配，确定目前能最大发挥设备群性能的配置。本发明提供的方法不仅实现了将神经网络训练部署至IoT领域，同时对分布式组网任务配置方面进行了优化，有效地避免了集群间不必要的性能损耗，提高了分布式训练系统的计算性能。
-
公开(公告)号：CN112149788A
公开(公告)日：2020-12-29
申请号：CN202011046528.4
申请日：2020-09-28
申请人： 复旦大学 , 上海新氦类脑智能科技有限公司
IPC分类号： G06N3/00
摘要： 本发明公开了一种基于蚁群算法的最小开销路由生成方法，涉及路由技术领域，基于蚁群算法的生成最小开销的固定路由路径，根据每次多播路由的源与目的地，使用蚁群算法启发式地最小化单次多播路由中的总路径长度，并计算出相应固定路由表，实现了全局的通信负载近似达到最低。本方法能够最小化全局路由路径总长度，从而进一步最小化全局通信负载开销。
-
公开(公告)号：CN112511445B
公开(公告)日：2022-03-25
申请号：CN202011305134.6
申请日：2020-11-19
申请人： 复旦大学 , 上海新氦类脑智能科技有限公司
IPC分类号： H04L45/16 , H04L45/12 , H04L45/122 , H04L47/125
摘要： 本发明公开了一种基于负载加权的最短路径路由生成方法，涉及路由技术领域，通过迭代计算源芯片到目的地芯片的距离，获取距离最小的路径；以全局负载记录为权重，对所述路径进行加权，广度搜索得最小加权路径。根据每次多播路由的源与目的地，基于芯片间的历史通信负载情况进行加权，离线地计算出多播路由中的最短路径路由，并生成固定路由表来实现最短路径路由策略，固定路由生成方法保证芯片间的路由路径为最短路径，同时全局负载低于现有方法，并保证了芯片间的负载均衡。
-
公开(公告)号：CN111882050A
公开(公告)日：2020-11-03
申请号：CN202010700170.6
申请日：2020-07-20
申请人： 复旦大学 , 上海新氦类脑智能科技有限公司
摘要： 本发明公开了基于FPGA的用于提高BCPNN速度的设计方法，涉及人工智能技术领域，通过模块化设计，在硬件上对BCPNN中的突触状态的变量、权重以及偏置进行更新；通过查找表，在FPGA上实现指数运算；通过并行算法，对BCPNN中的突触状态的权重及偏置更新过程实现速度提升；通过加法器和乘法器的模块复用，在保持相同计算性能的情况下降低资源开销。本发明提供的方法不仅具有更高的计算性能，同时也具有较高的计算准确度，可有效提高BCPNN的权重及偏置更新速度。
-
公开(公告)号：CN111882050B
公开(公告)日：2024-02-06
申请号：CN202010700170.6
申请日：2020-07-20
申请人： 复旦大学 , 上海新氦类脑智能科技有限公司
摘要： 本发明公开了基于FPGA的用于提高BCPNN速度的设计方法，涉及人工智能技术领域，通过模块化设计，在硬件上对BCPNN中的突触状态的变量、权重以及偏置进行更新；通过查找表，在FPGA上实现指数运算；通过并行算法，对BCPNN中的突触状态的权重及偏置更新过程实现速度提升；通过加法器和乘法器的模块复用，在保持相同计算性能的情况下降低资源开销。本发明提供的方法不仅具有更高的计算性能，同时也具有较高的计算准确度，可有效提高BCPNN的权重及偏置更新速度。
-
公开(公告)号：CN114758359A
公开(公告)日：2022-07-15
申请号：CN202210418562.2
申请日：2022-04-20
申请人： 复旦大学 , 上海新氦类脑智能科技有限公司
摘要： 本发明涉及深度学习技术领域，具体是一种基于深度学习热力值的RefineF人体骨骼关键点精度提高算法，包括：获取输入图像得到原始图像输入数据；翻转输入图像数据得到翻转后图像输入数据；将图像数据分别输入深度神经网络中得到其热力值输出；整合两种输出得到网络最终热力值输出获取输出的所有最大值的大小以及对应的最大值坐标；以最大值坐标为中心持续执行Refine方法；汇总所有位置的骨骼关键点坐标得到最终关节点位置。本发明对图像中人体骨骼关键点附近的异物具有较强的抗干扰性，能够快速且更为准确地得到人体骨骼关键点的输出坐标位置，并且能够极大地提高模型对人体姿态捕捉结果的精度，输出结果还具有一定的鲁棒性和稳定性。
-
公开(公告)号：CN113298231A
公开(公告)日：2021-08-24
申请号：CN202110548714.6
申请日：2021-05-19
申请人： 复旦大学 , 上海新氦类脑智能科技有限公司
摘要： 本发明涉及脉冲神经网络技术领域，具体是一种用于脉冲神经网络的图表示时空反向传播算法，通过神经元在网络结构中的网络前向传播获得脉冲神经网络；通过损失函数评估所述脉冲神经网络对任务的误差；通过误差反向传播对所述脉冲神经网络进行训练；通过神经网络优化算法完成训练过程中的参数更新。本发明通过误差反向传播提高了脉冲神经网络的准确率，通过稀疏正则化降低脉冲发放率从而提高了脉冲(事件)驱动计算下的能量效率，并通过图表示的方法适应于各种仿生网络结构的训练过程。
-
公开(公告)号：CN111753975B
公开(公告)日：2024-03-05
申请号：CN202010625510.3
申请日：2020-07-01
申请人： 复旦大学 , 上海新氦类脑智能科技有限公司
摘要： 本发明公开了一种面向物联网的自然模拟信号的类脑处理方法，涉及类脑人工智能技术领域，包括：将自然模拟信号经由多个传感器转化为多个电路可处理的模拟电信号；将所述模拟电信号通过多个电‑脉冲转换器转换成多个在时域上的离散脉冲序列；将所述离散脉冲序列经过脉冲序列‑SUN接口处理后进入到脉冲神经网络中的输入神经元，并在网络中进行处理与计算，得处理后结果并输出。本发明中直接由LC‑ADC产生脉冲序列，即以表示信号变化的事件驱动脉冲神经网络，和传统的传感器接口相比，不使用量化直接作用于脉冲神经网络处理单元，以实现在物联网中低功耗处理信号的优点。
-
公开(公告)号：CN112163673B
公开(公告)日：2023-04-07
申请号：CN202011042170.8
申请日：2020-09-28
申请人： 复旦大学 , 上海新氦类脑智能科技有限公司
IPC分类号： G06N3/063
摘要： 本发明公开了一种用于大规模类脑计算网络的种群路由方法，涉及类脑人工智能技术领域，通过查找片上路由表中种群ID对应的路由信息，对每个收到的数据包进行转发和保留。根据路由信息，数据包可能会被转发至二维Mesh网络或二维Torus网络中四个临近的芯片，以及可能被该芯片保留。通过源芯片和中途芯片在路由过程中对一个数据包的转发，目的地芯片对数据包进行保留，一次多播路由过程以此完成。本方法有效地解决传统路由方法中路由表所需的巨大体积问题。
-
-
-
-
-
-
-
-
-
搜索结果
33 条记录 (耗时 0.037 秒)
