-
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：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：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。
-
公开(公告)号：CN112149788B
公开(公告)日：2023-04-07
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： G06N3/006 , G06Q10/047
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：CN111753975A
公开(公告)日：2020-10-09
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：CN112149815B
公开(公告)日：2023-04-18
申请号：CN202011046417.3
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
摘要： 本发明公开了用于大规模类脑计算网络的种群聚类及种群路由方法，涉及路由技术领域，所述类脑计算网络部署在多个CPU或GPU或可进行类脑计算的FPGA和ASIC芯片上，且由神经元及其之间的拓扑连接关系组成，将所述神经元划分为不同种群；所述种群内对应的所述神经元联系紧密；所述种群间对应的所述神经元联系稀疏；同一种群内的所述神经元放置于同一芯片上，且共用相同的路由条目和路由路径；不同种群内的所述神经元放置于同一芯片或不同芯片。本方法通过将神经元合理聚类为种群，有效地减少了跨片的通信频率和路由的存储开销，并提高了系统的效率。
-
公开(公告)号：CN112511445A
公开(公告)日：2021-03-16
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： H04L12/761 , H04L12/721 , H04L12/733 , H04L12/803
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：CN112163673A
公开(公告)日：2021-01-01
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
11 条记录 (耗时 0.072 秒)
