[发明专利]安全卷积神经网络(CNN)加速器在审
| 申请号： | 201880033264.3 | 申请日： | 2018-05-24 |
| 公开（公告）号： | CN110663047A | 公开（公告）日： | 2020-01-07 |
| 发明（设计）人： | 维拉马尼坎达恩·拉朱;迪帕克·波达尔;柴塔尼亚·格纳;米希尔·纳伦德拉·莫迪 | 申请（专利权）人： | 德州仪器公司 |
| 主分类号： | G06N3/02 | 分类号： | G06N3/02 |
| 代理公司： | 11287 北京律盟知识产权代理有限责任公司 | 代理人： | 林斯凯 |
| 地址： | 美国德*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于CNN的信号处理方法(800)包含从多层CNN数据的第一层接收加密输出(802)。随后对所接收的加密输出进行解密以形成对所述多层CNN数据的第二层的解密输入(804)。所述解密输入与对应解密权重的卷积(808)可产生第二层输出，所述第二层输出可经加密且用作对所述多层CNN数据的第三层的加密输入(810)。 | ||
| 搜索关键词： | 加密 解密 多层 输出 信号处理 第三层 第一层 解密权 卷积 | ||
【主权项】：
1.一种信号处理方法，其包括：/n从多层卷积神经网络CNN数据的第一层接收加密输出；/n对所接收的加密输出进行解密以形成对所述多层CNN数据的第二层的解密输入；/n接收对应于所述解密输入的加密权重且对所述加密权重进行解密；/n对所述解密输入和解密权重执行卷积以产生第二层输出；和/n对所述第二层输出进行加密，其中加密的第二层输出用作对所述多层CNN数据的第三层的加密输入。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于德州仪器公司，未经德州仪器公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201880033264.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 数据处理方法、设备以及无人机-201880031720.0
- 麻军平;张强;曹子晟;杨康 - 深圳市大疆创新科技有限公司
- 2018-09-28 - 2020-02-07 - G06N3/02
- 本发明实施例提供一种数据处理方法、设备以及无人机，此方法包括：从存储器中读取经压缩的神经网络参数；对所述经压缩的神经网络参数进行解压，以生成解压后的神经网络参数；以及根据所述解压后的神经网络参数对待处理数据进行处理。由于神经网络参数是由经压缩后的形式存储在存储器中，减少了神经网络参数占用的存储空间，减少了存储器的访问压力，减少了读取存储器时占用的带宽。
- 信息处理装置以及信息处理方法-201880038129.8
- 松本涉;水谷宏光;濑户洋纪;安本雅启 - 株式会社阿赖耶
- 2018-04-03 - 2020-02-07 - G06N3/02
- 本发明提供信息处理装置以及信息处理方法，应用于计算神经网络中的连结节点间的网络。将网络的权重矩阵的行数或列数设为从由输入数据或输出数据确定的行数或列数中进行削减后的行数或列数。然后，将削减后的行数或列数的权重分量与该输入数据的矢量进行乘法运算，将进行该乘法运算而得的结果的矩阵分割为按一定列数或按一定行数的部分矩阵，针对分割得到的部分矩阵进行矩阵的求和。
- 机器模型更新方法、设备、系统及存储介质-201810792103.4
- 鲍亮;王孟昊;汤进举 - 科沃斯机器人股份有限公司
- 2018-07-18 - 2020-01-31 - G06N3/02
- 本申请实施例提供一种机器模型更新方法、设备、系统及存储介质。在本申请实施例中，一种机器模型更新方法，包括：响应用户发出的更新触发操作，显示一配置界面，所述配置界面显示机器人对应的标注数据集；响应所述用户发出的标注数据选择操作，从所述标注数据集中选择训练样本集；响应所述用户发出的训练操作，指示所述模型训练设备根据所述训练样本集对所述机器人当前使用的机器模型训练得到新的机器模型。在本实施例中，用户可以通过终端设备对机器人使用的机器模型进行更新控制，这样用户可以根据需求随时更新机器人使用的机器模型，灵活性更强，模型更新效率也较高。
- 机器模型更新方法、设备及存储介质-201810792108.7
- 鲍亮;王孟昊;汤进举 - 科沃斯机器人股份有限公司
- 2018-07-18 - 2020-01-31 - G06N3/02
- 本申请实施例提供一种机器模型更新方法、设备及存储介质。一种机器模型更新方法，包括：机器人收集其所处工作环境中的环境数据；利用所述机器人当前使用的机器模型对所述机器人收集到的环境数据进行标注，以获得标注数据集；根据所述标注数据集对所述机器人当前使用的机器模型继续进行训练，以获得新的机器模型，所述新的机器模型与所述机器人的工作环境适配。在本申请实施例中，以机器人所处工作环境中的环境数据为基础，对机器人当前使用的机器模型进行训练，从而获得与机器人的工作环境适配的新机器模型，机器人使用与自己工作环境适配的机器模型，有利于提高模型运算结果的精度。
- 用于机器学习模型的量化-201810715757.7
- 张东擎;杨蛟龙;华刚;叶东强子 - 微软技术许可有限责任公司
- 2018-06-29 - 2020-01-24 - G06N3/02
- 根据本公开的实现，提出了一种用于机器学习模型的量化的方案。在该方案中，获得机器学习模型中的处理单位所使用的处理参数的当前值。基于预定数目的基础量化参数的当前值和特定于处理参数的二值量化参数的当前值来量化处理参数的当前值，以获得处理参数的量化值，二值量化参数与基础量化参数分别对应，并且预定数目与用于量化的比特数目相同。基于处理参数的量化值与处理参数的当前值之间的差异，更新基础量化参数的当前值和二值量化参数的当前值，以用于特定于处理参数的量化。以此方式，不仅能够获得由网络量化带来的存储和处理开销的降低，而且还能进一步提高量化准确度。
- 使用秘密共享的逻辑回归建模方案-201980002723.6
- 王华忠;李漓春;殷山 - 阿里巴巴集团控股有限公司
- 2019-01-11 - 2020-01-17 - G06N3/02
- 用于通过使用秘密共享技术来训练多方安全逻辑回归模型(SLRM)的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。一种方法包括：使用秘密共享(SS)将安全逻辑回归模型(SLRM)的样本训练数据划分为多份，其中，每一份被分配给安全计算节点(SCN)；使用每份所述样本训练数据对与SLRM相关联的参数进行迭代更新，其中，所述迭代更新一直持续到出现了预定条件为止；在对与SLRM相关联的所述参数进行迭代更新之后，输出被配置为由每个安全计算节点使用的训练结果。
- 一种获取粮食产量与化肥使用量之间关系的方法及装置-201710816507.8
- 高红菊;徐文平;杭潇 - 中国农业大学
- 2017-09-12 - 2020-01-14 - G06N3/02
- 本发明提供一种获取粮食产量与化肥使用量之间关系的方法及装置，该方法包括：S1，根据各样本点的单位面积化肥使用量、土壤pH和各养分含量获取多种输入数据，根据所述各样本点和各样本点所在城市的单位面积粮食产量获取输出数据，根据各输入数据和输出数据构建多个蚁群算法优化的RBF神经网络；S2，获取所述各RBF神经网络的均方误差，使用均方误差最小的RBF神经网络表示粮食产量与化肥使用量之间的关系。本发明通过使用多种输入数据构建多个蚁群算法优化的RBF神经网络，从中选择均方误差最小的所述RBF神经网络表示粮食产量与化肥使用量之间的关系，从而实现使用更精确的RBF神经网络表示粮食产量与化肥使用量之间的关系，获取的粮食产量与化肥使用量之间的关系也更精确。
- 安全卷积神经网络(CNN)加速器-201880033264.3
- 维拉马尼坎达恩·拉朱;迪帕克·波达尔;柴塔尼亚·格纳;米希尔·纳伦德拉·莫迪 - 德州仪器公司
- 2018-05-24 - 2020-01-07 - G06N3/02
- 一种基于CNN的信号处理方法(800)包含从多层CNN数据的第一层接收加密输出(802)。随后对所接收的加密输出进行解密以形成对所述多层CNN数据的第二层的解密输入(804)。所述解密输入与对应解密权重的卷积(808)可产生第二层输出，所述第二层输出可经加密且用作对所述多层CNN数据的第三层的加密输入(810)。
- 运算方法及相关方法和产品-201810682056.8
- 不公告发明人 - 北京中科寒武纪科技有限公司
- 2018-06-27 - 2020-01-03 - G06N3/02
- 本公开涉及运算方法及相关方法和产品，所述方法应用于张量分解运算装置，所述张量分解运算装置包括控制器单元、运算单元和张量分解单元，所述方法包括：所述张量分解单元在所述控制器单元的控制下，获取待分解张量和张量分解指令；所述张量分解单元根据所述待分解张量和所述张量分解指令进行张量分解运算，得到张量分解结果；所述张量分解单元将所述张量分解结果传送至所述运算单元，以使所述运算单元根据所述张量分解结果进行运算。本公开实施例可以提高运算结果的准确率，以及提高运算的执行效率。
- 基于先前的简化图执行的条件性图执行-201880032308.0
- L.巴吉克;M.特拉杰科维奇;I.哈默 - 滕斯托伦特股份有限公司
- 2018-04-06 - 2019-12-31 - G06N3/02
- 本文公开了用于执行有向图的计算机实施的方法和相关联的硬件。一种示例方法包括导出有向图的简化版本、将先导输入张量应用于有向图的简化版本，以及在将先导输入张量应用于有向图的简化版本期间获得执行数据的集合。该方法还包括将实时输入张量应用于有向图，并使用执行数据的集合来条件化有向图的执行。从有向图的条件性执行中获得输出张量。
- 人工神经网络调整方法和装置-201810609939.6
- 刘吉 - 北京深鉴智能科技有限公司
- 2018-06-13 - 2019-12-20 - G06N3/02
- 提出了一种人工神经网络(ANN)调整方法和装置。所述ANN包括多个层并且被训练用于进行分类推理。例如，所述ANN可以是人脸识别神经网络。所述方法包括：将训练数据集按照各个类别的数据样本数划分为主导类别和稀少类别；以及以每个主导类别所占权重比每个稀少类别所占权重更低的第一损失函数对所述ANN进行调整。本发明通过使用对不同类别的损失进行加权的损失函数来对人工神经网络进行调整，能够大幅提升稀少类别的分类准确率，从而整体提升人工神经网络的整体精度。
- 统计感知权重量化-201910509429.6
- Z.王;崔正旭;K.戈帕拉克里什南;庄逸仁 - 国际商业机器公司
- 2019-06-13 - 2019-12-20 - G06N3/02
- 呈现了用于统计感知权重量化的技术。为了促进降低权重的比特精度，对于权重集，量化器管理组件可以根据权重的权重值的平方的平均值和该权重值的绝对值的平均值的线性或非线性函数来估计量化标度值以应用于权重，其中量化标度值被确定为具有比与其它量化标度值相关联的所有或至少几乎所有其它量化误差更小的量化误差。量化器组件应用量化标度值以对称和/或均匀地量化权重集的层的权重，从而生成量化的权重，权重使用舍入来量化。相应的量化的权重可以用于促进深度学习系统的训练和推理。
- 计算方法以及相关产品-201810479540.0
- 不公告发明人 - 上海寒武纪信息科技有限公司
- 2018-05-18 - 2019-11-26 - G06N3/02
- 本披露提供一种计算方法以及相关产品,所述计算方法采用融合方式执行机器学习计算。本披露的技术方案具有计算量小，节省功耗的优点。
- 数据处理装置和系统、服务器-201610312410.9
- 詹克团;范靖;杨存永;高鹏 - 北京比特大陆科技有限公司
- 2016-05-11 - 2019-11-22 - G06N3/02
- 本发明实施例提供了一种数据处理装置和系统、服务器，其中数据处理装置包括主控芯片和与所述主控芯片通信连接的节点矩阵，所述节点矩阵包括一个以上节点芯片；其中：所述主控芯片，设置有外部接口，用于将通过外部接口接收到的数据处理任务分发给节点矩阵，以及向节点矩阵发送控制消息，并接收节点矩阵返回的数据处理结果；所述节点矩阵，用于接收主控芯片发送的控制消息和数据处理任务，根据所述控制消息，通过一个以上节点芯片对所述数据处理任务进行相应的处理，并向主控芯片返回数据处理结果。本发明实施例可以提供较强的数据处理能力且数据处理能力易于扩展，数据传输延迟小。
- 专利分类
