百科技术库 各行业技术资料 - 百科资料网
欢迎来到百科技术库 各行业技术资料 - 百科资料网！ [免费注册] | [登录] 微信快捷登录 QQ登录 微博登录 | 帮助中心 各行业技术应有尽有！

热门搜索： 干粉砂浆 填缝剂 瓷砖胶 水溶肥 切削液 聚氨酯发泡 丙烯酸乳液

全国服务热线 13310018778

栏目导航

A、生活必需 >

A、生活必需

A01 农林牧渔 A21 烘烤烘焙 A22 肉品加工 A23 食品饮料 A24 烟草 A41 服装 A42 帽类 A43 鞋类
A44 服饰配件；珠宝 A45 手携物品；旅行品 A46 刷类制品 A47 家具；家庭用品 A61 医疗 A62 救生；消防 A63 运动；娱乐
B、作业运输 >

B、作业运输

B01 沸腾 分离 混合 实验设备 B02 破碎 磨粉 粉碎 B03 分选 浮选 B04 离心装置 B05 喷射 雾化 B06 机械振动 B07 固体分离；分选
B08 清洁 B09 固废处理 B21 金属加工；金属冲压 B22 铸造；粉末冶金 B23 机床 金属加工 B24 磨削；抛光 B25 手动工具 B26 切割工具
B27 木材加工 B28 水泥 黏土 石料 B29 塑料加工 B30 压力机 B31 纸品加工 B32 层状产品 B41 印刷；排版机 B42 装订；印刷品
B43 书写绘图器具；办公用品 B44 装饰艺术 B60 一般车辆 B61 铁路 B62 无轨陆用车辆 B63 船舶 B64 飞行器；航空 B65 输送；包装；贮存 B66 卷扬；提升；牵引 B67 瓶子 罐 容器 B68 鞍具；家具罩面 B81 微观结构技术 B82 超微技术
C、化学冶金 >

C、化学冶金

C01 无机化学 C02 废水污泥 C03 玻璃；矿棉 C04 水泥；混凝土；人造石；陶瓷；耐火材料 C05 肥料 C07 有机化学 C08 有机高分子化合物
C09 染料；涂料；抛光剂；天然树脂；黏合剂 C10 石油 煤气；燃料；润滑剂 C11 动物或植物油；蜡；洗涤剂 C12 生物化学；酒；醋；微生物学
C13 糖工业 C14 皮革 C21 铁的冶金 C22 冶金；合金 C23 金属镀覆 C25 电解电泳 C30 晶体生长 C40 组合技术
D、纺织造纸 >

D、纺织造纸

D01 纤维；纺纱 D02 纱线 D03 织造 D04 编织；针织 D05 缝纫；绣花 D06 织物处理；洗涤 D07 绳；缆索 D21 造纸；纤维素
E、固定建筑 >

E、固定建筑

E01 道路 铁路 桥梁 E02 水利工程 E03 给水排水 E04 建筑物 E05 锁；钥匙；门窗零件；保险箱 E06 门窗；梯子 E21 钻矿；采矿
F、机械工程 >

F、机械工程

F01 发动机；蒸汽机 F02 燃烧发动机 F03 液力发动机；风力 弹力或重力发动机 F04 液体变容机；液体泵或弹性流体泵
F15 液压；气动 F16 工程元件；绝热 F17 贮存 F21 照明 F22 蒸汽 F23 燃烧设备 F24 供热；炉灶；通风
F25 制冷；热泵；气体的液化或固化 F26 干燥 F27 炉；窑 F28 热交换
G、物理系列 >

G、物理系列

G01 测量；测试 G02 光学 G03 摄影术；电影术 G04 测时学 G05 控制；调节 G06 计算 G07 核算装置 G08 信号装置
G09 教育；密码术；广告 G10 乐器；声学 G11 信息存储 G12 仪器的零部件 G16 通信技术 G21 核物理；核工程
H、电学系列 >

H、电学系列

H01 基本电气元件 H02 发电 变电或配电 H03 基本电子电路 H04 电通信技术 H05 其他类目不包含的电技术
更多>>

人气分享

最新技术
一种基于非熔融态相变器件的多级联想记忆电路
本发明公开了一种基于非熔融态相变器件的多级联想记忆电路,属于人工神经网络领域,包括：N+1个输入节点,分别用于接收非条件刺激信号和各级条件刺激信号；N(N+1)/2个互连模块,任意两个输入节点之间连接有一互连模块,以对各输入节点接收到的信号进行两两耦合,每一互连模块包括两条反向并联的支路,每一支路包括串联的非熔融态相变器件和二极管；每一输入节点还依次连接有电阻突触和输出神经元模块,用于对该输入节点中耦合后的信号进行积分,并根据积分结果与神经元阈值电压之间的大小分别输出非条件反应信号和各级刺激反应信号。结构简单、无需复杂外围控制电路且能够模拟经典条件反射中多级条件反射的获取和消退过程。
设备处理器选择方法、系统、终端设备及存储介质
本发明提供了一种设备处理器选择方法、系统、终端设备及存储介质,该方法包括：根据待部署神经网络的计算量信息确定待部署神经网络的计算量变量值；获取目标设备的设备信息,根据所述设备信息确定目标设备的设备变量值；根据计算量变量值和所述设备变量值,确定待部署神经网络与目标设备之间的部署变量值,根据部署变量值对目标设备中的处理器进行选择。本发明基于待部署神经网络的计算量的复杂程度和目标设备的设备性能,不同处理器之间处理待部署神经网络的性能差距,基于不同处理器之间的性能差距,能自动对目标设备上的处理器进行选择,无需采用人工测试的方式进行处理器的选择,提高了设备处理器选择的准确性和效率性。
计算装置、方法、板卡和计算机可读存储介质
本披露公开了用于对多比特位宽数值进行处理的计算装置、集成电路板卡、方法和计算机可读存储介质,其中该计算装置可以包括在组合处理装置中,该组合处理装置还可以包括通用互联接口和其他处理装置。所述计算装置与其他处理装置进行交互,共同完成用户指定的计算操作。组合处理装置还可以包括存储装置,该存储装置分别与设备和其他处理装置连接,用于存储该设备和其他处理装置的数据。本披露的方案可以对多比特位宽数值进行拆分,以使得处理器的处理能力不受位宽的影响。
计算装置、方法、板卡和计算机可读存储介质
本披露公开了用于对多比特位宽数值进行处理的计算装置、集成电路板卡、方法和计算机可读存储介质,其中该计算装置可以包括在组合处理装置中,该组合处理装置还可以包括通用互联接口和其他处理装置。所述计算装置与其他处理装置进行交互,共同完成用户指定的计算操作。组合处理装置还可以包括存储装置,该存储装置分别与设备和其他处理装置连接,用于存储该设备和其他处理装置的数据。本披露的方案可以对多比特位宽数值进行拆分,以使得处理器的处理能力不受位宽的影响。
一种神经网络的定点化方法、装置
本申请公开了一种神经网络的定点化方法,对神经网络进行至少如下之一低比特量化：对神经网络中的卷积层输入激活值进行第一低比特量化,对卷积层中卷积核权值进行第二低比特量化,对神经网络中除了卷积层之外的非卷积功能层,将非卷积功能层的输入激活值进行第三低比特量化；在进行所述任意低比特量化之后,基于当前低比特量化后的神经网络,进行重训练,基于重训练后的神经网络中各低比特量化结果,进行定点化；其中,所述第一低比特、第二低比特、第三低比特均在1比特至8比特以内。本申请使得最终激活值和/或卷积核权值都用低比特定点化表示,可以方便移植到嵌入式平台、专用集成电路之中。
基于STDP法则的全数字脉冲神经网络硬件系统及方法
本发明公开了一种基于STDP法则的全数字脉冲神经网络硬件系统及方法,本发明有机地结合了神经生物学中的STDP法则,以及数字电路中可并行化处理数据的优势,将会在图像处理领域高效地完成对图像数据集的训练和识别任务。该脉冲神经网络系统包含输入层神经元模块、可塑性学习模块、数据线控制模块、突触阵列模块、输出层神经元模块和实验报告模块。输出层神经元模块的输出端连接数据线控制模块的输入端和可塑性学习模块的输入端,可塑性学习模块的输出端连接数据线控制模块的输入端,数据线控制模块的输出端连接突触阵列模块的输入端,突触阵列模块的输出端连接输出层神经元输入端,输出层神经元的输出端连接实验报告模块的输入端。
消除数据副本的方法、神经网络处理器及电子产品
本发明涉及一种消除数据副本的方法、神经网络处理器及电子产品。在神经网络硬件实现时,经常会出现权重数据相同但属于不同的神经元或神经元簇之间的连接的情况,这导致在设计芯片时需要预留足够的存储空间,而这进一步会导致类脑芯片的功耗、存储空间乃至芯片面积提升等资源消耗高的技术问题。为了解决这一技术问题,本发明提出了基于源地址转换、别名机制的技术手段。基于该技术手段的技术方案仅仅需要在神经元激活输出时触发别名对应的神经元注册相应的激活输出,并在别名对应的神经元激活输出时同时还输出已注册的相应的输出。本发明可实现消除冗余权重数据副本,降低资源消耗的技术效果,对人工神经网络和脉冲神经网络均可适用。
一种深度卷积神经网络加速方法、模块、系统及存储介质
本发明提供了一种深度卷积神经网络加速方法、模块、系统及存储介质,通过获取输入特征；获取输入特征的高位特征以及低位特征；对高位特征进行卷积以及最大值池化,得到高位池化结果；根据高位池化结果,得到对应的最大池化区域；对低位对应特征进行卷积,得到低位卷积结果；根据高位池化结果以及低位卷积结果,获得输入特征的最大池化结果。可见,采用输入特征的高位特征进行近似卷积,找到最大池化区域,再对低位特征对应的部分进行卷积,直接可以得到低位特征的低位池化结果,最终得到输入特征的最大池化结果因此可以减少输入特征进行最大池化时,减少低位特征75％的冗余卷积乘加操作,最终实现提高卷积池化计算的计算速度,降低计算能耗。
数据处理方法、装置、设备及计算机可读存储介质
本公开实施例公开了数据处理方法、装置、设备及计算机可读存储介质。该方法包括：获取第一数据类型的待处理数据,基于第一分段方式对待处理数据进行分段量化,得到第二数据类型的目标数据,第二数据类型为数据精度小于第一数据类型的1bit整数型,利用深度学习网络对目标数据进行处理,得到深度学习网络的至少一个网络层的处理结果；至少一个网络层中的目标网络参数是基于第二分段方式对网络参数进行分段量化得到的1bit整数型。通过本公开,提高了深度学习网络对数据的处理效率。
一种基于延迟机制的单层图像分类方法
本发明公开了一种基于延迟机制的单层图像分类方法,属于图像处理技术领域,其包括以下步骤：S1、构建图像分类模型；S2、采用图像集对图像分类模型进行训练,得到训练完成的图像分类模型；S3、采用训练完成的图像分类模型对图像进行分类,得到图像的类别；图像分类模型包括依次连接的特征提取单元、脉冲延迟编码单元和单层分类器；本发明解决了Tempotron学习算法仅仅依靠调整突触权重,导致学习效果极易受到干扰的问题。

热门专题更多>>
技术分类