文档详情

一种基于4bit普通卷积计算的优化方法.pdf

发布：2023-05-10约4.14万字共36页下载文档

文本预览下载声明

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114581280 A (43)申请公布日 2022.06.03 (21)申请号 202011372384.1 (22)申请日 2020.11.30 (71)申请人北京君正集成电路股份有限公司地址

显示全部

相似文档

一种基于第一层4bit卷积计算的优化方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114581281 A (43)申请公布日 2022.06.03 (21)申请号 202011373523.2 (22)申请日 2020.11.30 (71)申请人北京君正集成电路股份有限公司地址
2023-05-06 约3.81万字 28页立即下载
一种基于图卷积的人脸聚类优化方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882547 A (43)申请公布日 2022.08.09 (21)申请号 202210364466.4 G06N 3/04 (2006.01)
2023-05-17 约1.4万字 11页立即下载
一种基于特征点及卷积优化计算的目标匹配的方法、存储介质.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114549861 A (43)申请公布日 2022.05.27 (21)申请号 202210181610.0 G06V 10/82 (2022.01)
2023-05-09 约1.85万字 15页立即下载
一种基于混合并行的卷积计算装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112989270 A (43)申请公布日 2021.06.18 (21)申请号 202110461840.8 (22)申请日 2021.04.27 (71)申请人南京风兴科技有限公司
2023-06-09 约9.98千字 9页立即下载
一种基于分解思想的卷积神经网络代理模型的多目标优化进化计算方.docx PAGE 1- 一种基于分解思想的卷积神经网络代理模型的多目标优化进化计算方一、1.基于分解思想的卷积神经网络代理模型概述 (1)卷积神经网络（ConvolutionalNeuralNetworks,CNNs）在图像识别、视频分析等领域取得了显著的成果。然而，随着神经网络层数的增加，模型的复杂度也急剧上升，导致计算量和存储需求大幅增加。为了解决这一问题，研究者们提出了基于分解思想的卷积神经网络代理模型。这种模型通过将复杂的卷积操作分解为多个简单的操作，从而降低了计算复杂度和参数数量，同时保持了良好的识别性能。 (2)在分解思想的基础上，研究者们进一步提出了多种分解策略，如稀疏分解、局部分解和
2025-01-22 约2.59千字 5页立即下载
基于异构计算的卷积神经网络资源优化配置方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 112988229 B (45)授权公告日 2022.08.05 (21)申请号 201911293482.3 (22)申请日 2019.12.12 (65)同一申请的已公布的文献号
2023-06-07 约1.01万字 8页立即下载
一种基于图卷积的学生成绩预测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113361791 A (43)申请公布日 2021.09.07 (21)申请号 202110684691.1 (22)申请日 2021.06.21 (71)申请人合肥
2023-06-18 约1.46万字 12页立即下载
一种基于注意力的卷积神经网络优化方法[发明专利].docx PAGE 1- 一种基于注意力的卷积神经网络优化方法[发明专利] 一、引言随着计算机视觉领域的不断发展，卷积神经网络（CNN）在图像识别、目标检测和图像分割等任务中取得了显著的成果。然而，传统的CNN模型在处理复杂场景和大量数据时，往往存在计算量大、参数冗余以及模型性能难以进一步提升等问题。为了解决这些问题，研究者们提出了各种优化方法，其中基于注意力的卷积神经网络（CNN）优化方法引起了广泛关注。这种优化方法通过引入注意力机制，能够有效地关注图像中的重要区域，从而提高模型的识别准确率和计算效率。在图像识别任务中，传统的CNN模型通常会对整个图像进行全局卷积，导致模型难以捕捉到图像中的局部特
2025-01-21 约4.13千字 8页立即下载
一种基于云计算的内存优化方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113010262 B (45)授权公告日 2022.05.10 (21)申请号 202110197878.9 (56)对比文件
2023-06-08 约1.35万字 12页立即下载
基于图卷积网络的短期负荷预测方法研究与优化.docx 基于图卷积网络的短期负荷预测方法研究与优化目录基于图卷积网络的短期负荷预测方法研究与优化（1）．．．．．．．．．．．．4 一、内容综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4 1.1研究背景及意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4 1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5 1.3研究内容与方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6 二、短期负荷预测概述．．．．．．．．．．．．．
2025-03-15 约3.19万字 44页立即下载
基于卷积神经网络的帧内编码优化方法及装置.docx PAGE 1- 基于卷积神经网络的帧内编码优化方法及装置第一章帧内编码技术概述 (1)帧内编码技术是视频压缩领域的一项关键技术，其主要目的是减少视频数据中冗余信息，从而降低数据传输和存储的负担。帧内编码通过去除帧内像素之间的空间冗余性来实现压缩，它不依赖于帧与帧之间的时间冗余信息。这种编码方式在视频编码标准如H.264/AVC和HEVC中扮演着重要角色，对于提高视频传输效率和质量具有显著影响。 (2)帧内编码技术主要包括预测编码和变换编码两个主要步骤。预测编码通过分析帧内像素间的空间相关性，预测当前像素值；而变换编码则将预测误差或残差进行变换，以提取能量集中的系数，进一步实现压缩。随着深度学
2025-01-21 约2.95千字 6页立即下载
计算卷积方法.ppt * *计算卷积的方法 1.用图解法计算卷积 2.用函数式计算卷积 3.利用性质计算卷积 4.数值解法分段时限卷积积分限方法一.用图解法计算卷积 1）将f(t)和h(t)中的自变量由t改为?，?成为函数的自变量; 2）把其中一个信号翻转、平移; 3）将f(t) 与h(t- t)相乘；对乘积后的图形积分。例 *.积分限的确定: 方法一: * 若两个函数的左边界分别为tl1,tl2,右边界分别为 tr1,tr2,积分的下限为max[tl1,tl2];积分的上限为min[tr1,tr2]. 重合面积为零:f1(t)*f2(t)=0 a 0 t-2 1 * 0 a 1 f1(t) t a 1
2017-06-03 约1.28千字 27页立即下载
用三种方法计算卷积.docx 用三种方法计算卷积（针对两个简单的有限序列，以便理解。）例：已知x(n)=(1,2,4,3,6) ;h(n)=(2,1,5,7) ,求y(n)=x(n)*h(n).一、对位相加相乘法将两个序列右对齐，对位相乘，不进位，然后相加，如下：二、列表法将斜线上的数字分别相加，依次写下来就得到了两个序列的卷积和。三、使用MATLAB的conv(x,y)函数直接计算卷积另外这里验证了一下卷积和的性质，满足交换律。
2017-01-02 约小于1千字 5页立即下载
计算卷积的方法初步.ppt * *计算卷积的方法 1.用图解法计算卷积 2.用函数式计算卷积 3.利用性质计算卷积 4.数值解法分段时限卷积积分限方法一.用图解法计算卷积 1）将f(t)和h(t)中的自变量由t改为?，?成为函数的自变量; 2）把其中一个信号翻转、平移; 3）将f(t) 与h(t- t)相乘；对乘积后的图形积分。例 *.积分限的确定: 方法一: * 若两个函数的左边界分别为tl1,tl2,右边界分别为 tr1,tr2,积分的下限为max[tl1,tl2];积分的上限为min[tr1,tr2]. 重合面积为零:f1(t)*f2(t)=0 a 0 t-2 1 * 0 a 1 f1(t) t a 1
2017-11-16 约1.28千字 27页立即下载
一种基于对数极空间卷积对数据进行处理的方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113011561 A (43)申请公布日 2021.06.22 (21)申请号 202110239690.6 (22)申请日 2021.03.04 (71)申请人中国人民大学地址
2023-06-07 约2.82万字 19页立即下载