[发明专利]用于神经网络中的近似计算的运算部件

权利要求书

1.用于计算针对两个输入数（2a，2b）的积（3）或者和的近似值的运算部件（1），其包括多个运算模块（4，4a，4b），其中所述运算模块中的至少一个（4a）设置为，计算所述输入数（2a，2b）的数字的单个积或单个和，并且其中多个运算模块（4b）互连成加法运算部件（5），所述加法运算部件（5）构造为，从所述单个积中或从所述单个和中计算所述积（3）或所述和的数字（3a-3k），其中在所述运算部件（1）中缺少如下至少一个运算模块（4）：对于计算至少一个单个积或单个和，和/或对于将所述单个积或所述单个和传播到所述积（3）或所述和上，需要所述至少一个运算模块（4）；或者所述至少一个运算模块（4）在那里互连成使得，在所述运算部件（1）的运行时间期间，能够选择性地完全或者部分停用所述至少一个运算模块（4）。

2.根据权利要求1所述的运算部件（1），其中，至少一个运算模块（4a）包括逻辑“与”门（4a1）、逻辑“异或”门（4a2）和/或多路复用器（4a3），所述至少一个运算模块（4a）设置为，计算两个二进制数字的至少一个单个积。

3.根据权利要求2所述的运算部件（1），其中，所述加法运算部件（5）包括多个全加器作为运算模块（4b）。

4.根据权利要求1至3中任一项所述的运算部件（1），其中，与这针对至少一个另外的运算模块（4，4a，4b）是这种情况相比，在热学上针对更小的工作周期设计至少一个运算模块（4，4a，4b），和/或设计所述至少一个运算模块（4，4a，4b）在所述运算部件（1）之内的空间布局。

5.根据权利要求4所述的运算部件（1），其中，通过按比例缩小至少一个运算模块(4，4a，4b）的结构大小，和/或通过减少在所述运算模块（4，4a，4b）与所述运算部件（1）的其他组件之间的间距，针对较小的工作周期来设计所述至少一个运算模块(4，4a，4b）或所述至少一个运算模块(4，4a，4b）在所述运算部件（1）中的布局。

6.用于车辆（50）的控制设备（10），其包括：第一接口（11），所述第一接口（11）能够与所述车辆（50）所携带的至少一个传感器（51）相连；第二接口（12），所述第二接口（12）能够与所述车辆（50）的至少一个执行元件（52）相连；以及人工神经网络KNN（13），所述KNN（13）参与将所述传感器（51）的测量数据（51a）处理成针对所述执行元件（52）的操控信号（52a），其中至少一个根据权利要求1至4中任一项所述的运算部件（1）设置用于计算所述KNN（13）中的至少一个神经元的输入之和，其中利用所述神经元的权重来给所述输入进行加权。

7.用于制造和/或配置根据权利要求1至5中任一项所述的运算部件（1）的方法（100），用于计算人工神经网络KNN（13）中的至少一个神经元的输入之和，其中利用所述神经元的权重来给所述输入进行加权，所述方法（100）具有以下步骤：

• 如下地提供（110）所述运算部件（1）的候选配置（la）：缺少哪些运算模块（4，4a，4b），或完全或者部分停用哪些运算模块（4，4a，4b）；

• 依据训练数据，训练（120）所述KNN（13），其中所述运算部件（1）或者所述运算部件（1）的模拟表示根据所述候选配置（la）来表现；

• 依据测试数据或验证数据，确定（130）所述训练（120）的成功；

• 在所述训练（120）的所述成功满足另一预先给定条件的边界条件下，鉴于至少一个预先给定的优化目标，优化（140）表征所述候选配置（1a）的参数（1a*）。

8.根据权利要求7所述的方法（100），其中，所述预先给定的优化目标包含：

• 最小数目的在所述运算部件（1）中存在的或被激活的运算模块，和/或

• 所述运算部件（1）的最小能量消耗；和/或

• 所述运算部件（1）在至少一个半导体衬底上的最小空间需求。