发明

低延时低能耗脉冲神经网络处理器2024

2024-06-01 07:58:34 发布于四川 0
  • 申请专利号:CN202410197981.7
  • 公开(公告)日:2024-10-15
  • 公开(公告)号:CN118095381A
  • 申请人:电子科技大学
摘要:本发明属于人工智能硬件领域,尤其涉及低延时低能耗脉冲神经网络处理器,包括存储单元、权重变换单元、脉冲解码单元、脉冲计算阵列、脉冲转换单元、脉冲编码压缩单元和主控制器。在权重变换单元将FS神经元模型和定点量化原理结合,将膜电位到脉冲的转换转变为特定位置上的数据位提取,并将脉冲到膜电位的更新转换为可并行处理的移位加法,使得SNN的时空稀疏特性在硬件上被更加充分的利用。整个计算过程只有移位和加法,可大幅减少计算复杂度。实现了批量神经元的并行处理,可大幅减少计算延迟。在算法对输入稀疏度无特殊要求的情况下,实现了低延时低能耗的脉冲神经网络处理器。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 118095381 A (43)申请公布日 2024.05.28 (21)申请号 202410197981.7 (22)申请日 2024.02.22 (71)申请人 电子科技大学 地址 611731 四川省成都市高新区(西区) 西源大道2006号 (72)发明人 周军 唐林 毛睿昕 申遨宇  (74)专利代理机构 电子科技大学专利中心 51203 专利代理师 余涛 (51)Int.Cl. G06N 3/063 (2023.01) G06N 3/049 (2023.01) 权利要求书2页 说明书5页 附图4页 (54)发明名称 低延时低能耗脉冲神经网络处理器 (57)摘要 本发明属于人工智能硬件领域,尤其涉及低 延时低能耗脉冲神经网络处理器,包括存储单 元、权重变换单元、脉冲解码单元、脉冲计算阵 列、脉冲转换单元、脉冲编码压缩单元和主控制 器。在权重变换单元将FS神经元模型和定点量化 原理结合,将膜电位到脉冲的转换转变为特定位 置上的数据位提取,并将脉冲到膜电位的更新转 换为可并行处理的移位加法,使得SNN的时空稀 疏特性在硬件上被更加充分的利用。整个计算过 程只有移位和加法,可大幅减少计算复杂度。实 现了批量神经元的并行处理,可大幅减少计算延 迟。在算法对输入稀疏度无特殊要求的情况下, A 实现了低延时低能耗的脉冲神经网络处理器。 1 8 3 5 9 0 8 1 1 N C CN 1

最新专利