申请/专利权人:森田公司
申请日:2018-07-20
公开(公告)日:2024-05-07
公开(公告)号:CN117993448A
主分类号:G06N3/0495
分类号:G06N3/0495;G06N3/065;G06F7/523;G06N3/084;G06N3/10;H03K19/0944
优先权:["20170721 US 62/535705"]
专利状态码:在审-实质审查的生效
法律状态:2024.05.24#实质审查的生效;2024.05.07#公开
摘要:公开的是一种神经形态集成电路,所述神经形态集成电路在一些实施例中包括设置在二象限乘法器的模拟乘法器阵列中的多层神经网络。当去往乘法器的晶体管的输入信号的输入信号值近似为零、乘法器的晶体管的权重值近似为零或其组合时,乘法器中的每个乘法器线接到地并且汲取可忽略的电流量。还公开的是一种神经形态集成电路的方法,所述方法在一些实施例中包括:训练神经网络;跟踪权重值的改变率;确定某些权重值是否正在以及多么快地趋向于零;以及将那些权重值朝向零驱动,从而鼓励神经网络中的稀疏性。与线接到地的乘法器相组合的神经网络中的稀疏性最小化神经形态集成电路的功耗,使得电池功率足以用于供电。
主权项:1.一种集成电路,包括:设置在多个二象限乘法器的模拟乘法器阵列中的多层神经网络,所述多个二象限乘法器布置在所述集成电路的存储扇区中,其中所述多个二象限乘法器中的至少一个或多个是无偏置的二象限乘法器,其中当去往乘法器的晶体管的输入信号的输入信号值接近零或者为零、乘法器的晶体管的权重值接近零或者为零或其组合时,乘法器中的每个乘法器线接到地并且汲取减小的电流量,并且其中与线接到地的多个乘法器相组合的神经网络中的稀疏性使所述集成电路的功耗减小。
全文数据:
权利要求:
百度查询: 森田公司 稀疏性利用的系统和方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。