-
公开(公告)号:CN111428852A
公开(公告)日:2020-07-17
申请号:CN201910922232.5
申请日:2019-09-26
Applicant: 三星电子株式会社
Abstract: 根据用于神经网络量化的方法和装置,通过以下方式来生成经量化的神经网络:执行神经网络的学习;针对第一神经网络的每一层,获得初始权重与通过每个周期的学习来确定的经更新的权重之间的权重差;分析每一层的权重差的统计量;基于经分析的统计量,从各层中确定要以较低比特精度来量化的一个或多个层;以及通过以较低比特精度量化所确定的一个或多个层来生成第二神经网络。
-
-
公开(公告)号:CN109697510A
公开(公告)日:2019-04-30
申请号:CN201811199602.9
申请日:2018-10-15
Applicant: 三星电子株式会社
Abstract: 一种处理器实现的神经网络方法包括:计算向神经网络中包括的节点之间的连接关系指派的权重的个体更新值;通过在累积缓冲区中累积个体更新值来生成累积更新值;以及响应于累积更新值等于或大于阈值,通过使用累积更新值更新权重来训练神经网络。
-
公开(公告)号:CN107622303A
公开(公告)日:2018-01-23
申请号:CN201710570971.3
申请日:2017-07-13
IPC: G06N3/04
Abstract: 提供一种用于神经网络的方法和执行该方法的设备。提供一种用于操作人工神经元的方法和一种用于执行所述方法的设备。人工神经元可基于经由输入突触接收的输入信号来计算激活的改变量,响应于计算出的激活的改变量来确定新的事件是否发生,并响应于所述事件的发生将与所述事件相应的输出信号发送到输出突触。
-
公开(公告)号:CN109389219B
公开(公告)日:2024-04-09
申请号:CN201810868446.4
申请日:2018-08-01
Applicant: 三星电子株式会社
Abstract: 一种对神经网络的参数进行量化的方法,所述方法包括:根据通过使用浮点来预训练的神经网络的数据,针对在每个特征图和核中包括的每个通道中使用的浮点型参数值,分析每个通道的统计分布;基于每个通道的所述统计分布,确定每个通道的参数的定点表达,所述定点表达在统计上覆盖所述参数值的分布范围;基于执行卷积运算的结果,确定每个通道的偏置和权重的小数长度,作为每个通道的所述定点表达的参数;以及生成定点型量化神经网络,所述定点型量化神经网络所具有的每个通道的偏置和权重具有所确定的小数长度。
-
公开(公告)号:CN107622303B
公开(公告)日:2023-10-31
申请号:CN201710570971.3
申请日:2017-07-13
IPC: G06N3/04
Abstract: 提供一种用于神经网络的方法和执行该方法的设备。提供一种用于操作人工神经元的方法和一种用于执行所述方法的设备。人工神经元可基于经由输入突触接收的输入信号来计算激活的改变量,响应于计算出的激活的改变量来确定新的事件是否发生,并响应于所述事件的发生将与所述事件相应的输出信号发送到输出突触。
-
公开(公告)号:CN106095262B
公开(公告)日:2021-04-23
申请号:CN201610260737.6
申请日:2016-04-25
Applicant: 三星电子株式会社
IPC: G06F3/0484 , G06F3/0487
Abstract: 提供根据基于事件的传感器的输出提取静态图案的方法和设备。一种从基于事件的传感器的输出提取静态图案的方法。所述方法可包括:响应于动态输入从基于事件的传感器接收事件信号;基于包括在事件信号中的标识和时间来提取与动态输入相关联的静态图案。从基于标识和时间生成的图提取静态图案。
-
公开(公告)号:CN105279118B
公开(公告)日:2020-07-28
申请号:CN201510316315.1
申请日:2015-06-10
Applicant: 三星电子株式会社
Abstract: 提供了一种接口设备和用户输入处理方法。所述接口设备分组器可对事件生成元件进行分组且基于生成的组事件信号来输出事件发生的组的地址。所述接口设备可包括:分组器,被配置为基于针对多个事件传感器发生的一个或更多个事件,生成与多个事件传感器对应的多个组事件生成元件被分组的组事件信号,并且所述接口设备被配置为基于生成的组事件信号来输出发生一个或更多个事件的多个事件生成元件的组的地址。
-
-
公开(公告)号:CN106997485A
公开(公告)日:2017-08-01
申请号:CN201611025553.8
申请日:2016-11-17
Applicant: 三星电子株式会社
Inventor: 李俊行
Abstract: 提供基于神经网络的识别设备和训练神经网络的方法。提供了识别设备和训练方法。所述识别设备包括存储器,被配置为存储神经网络,所述神经网络包括神经元的前一层和基于第一突触信号和第二突触信号被激活的神经元的当前层,第一突触信号从前一层被输入,第二突触信号从当前层被输入。所述识别设备还包括处理器,被配置为基于所述神经网络来生成识别结果。当前层中的神经元之中的激活神经元生成用于刺激或抑制下一层的神经元的第一突触信号,并且生成用于抑制当前层中的除了激活神经元外的神经元的第二突触信号。
-
-
-
-
-
-
-
-
-