类神经网络的运算方法技术

一种类神经网络的运算方法，包括：切割输入信息为多个子输入信息，扩展核心信息以产生扩展后核心信息，并使扩展后核心信息与各频域子输入信息的尺寸相同；针对子输入信息以及扩展后核心信息执行快速傅里叶变换，以分别产生多个频域子输入信息以及扩展后频域核心信息；使扩展后频域核心信息与频域子输入信息分别执行乘法运算以分别产生多个子特征地图；以及针对子特征地图执行逆快速傅里叶变换，并提供多个变换后子特征地图以执行类神经网络的特征提取运算。

【技术实现步骤摘要】
类神经网络的运算方法
本专利技术属于存储
，是有关于一种类神经网络的运算方法，且特别是有关于一种可提升效率且提升存储器寿命的类神经网络的运算方法。
技术介绍
在现有
中，通过卷积运算(convolution)来执行类神经网络的运算动作是一种常见的做法。为了使类神经网络的运算时间可以缩减，微调式(fine-tuning)的类神经网络广泛的被应用以避免在训练阶段中耗去过多的时间。随着类神经网络规模的增大，用来存取运算过程所需要的信息的存储容量需求也随之增大。因此，如何降低运算过程中存储器的存取时间延迟，以及存储器所可能产生的功率消耗，都是本领域技术人员的重要课题。请参照图1绘示的现有的类神经网络的系统架构图。其中，以MNIST数据库为范例，类神经网络100中包括特征提取机制110以及分类机制120。特征提取机制110接收输入信息INF，并使输入信息INF与特征提取机制110中分层配置的多个特征地图(featuremaps)进行卷积运算。再通过分类机制120中的多个节点来产生输出结果。专利
技术实现思路
本本文档来自技高网...

【技术保护点】
1.一种类神经网络的运算方法，其特征在于，包括：/n接收一输入信息以及一核心信息；/n切割该输入信息为多个子输入信息，扩展该核心信息以产生一扩展后核心信息，并使该扩展后核心信息与各该频域子输入信息的尺寸相同；/n针对该些子输入信息以及该扩展后核心信息执行快速傅里叶变换，以分别产生多个频域子输入信息以及一扩展后频域核心信息；/n使该扩展后频域核心信息与该些频域子输入信息分别执行乘法运算以分别产生多个子特征地图；以及/n针对该些子特征地图执行逆快速傅里叶变换，并提供多个变换后子特征地图以执行该类神经网络的特征提取运算。/n

【技术特征摘要】
20191125 US 62/939,688;20191125 US 62/939,689;20201.一种类神经网络的运算方法，其特征在于，包括：
接收一输入信息以及一核心信息；
切割该输入信息为多个子输入信息，扩展该核心信息以产生一扩展后核心信息，并使该扩展后核心信息与各该频域子输入信息的尺寸相同；
针对该些子输入信息以及该扩展后核心信息执行快速傅里叶变换，以分别产生多个频域子输入信息以及一扩展后频域核心信息；
使该扩展后频域核心信息与该些频域子输入信息分别执行乘法运算以分别产生多个子特征地图；以及
针对该些子特征地图执行逆快速傅里叶变换，并提供多个变换后子特征地图以执行该类神经网络的特征提取运算。


2.根据权利要求1所述的运算方法，其特征在于，还包括：
针对各该变换后子特征地图执行线性整流运算，使各该变换后子特征地图中小于0的元素被设置为等于0。


3.根据权利要求1所述的运算方法，其特征在于，还包括：
针对各该频域子输入信息以及该频域扩展核心信息执行线性整流运算，使各该频域子输入信息以及该频域扩展核心信息中小于0的元素被设置为等于0。


4.根据权利要求1所述的运算方法，其特征在于，扩展该核心信息以产生该扩展后核心信息的步骤中包括：
在该核心信息中填入多个为0的元素以使该扩展后核心信息与各该频域子输入信息的尺寸相同。


5.根据权利要求1所述的运算方法，其特征在于，各该频域子输入信息的尺寸为2的N次方乘以2的N次方，N为正整数。


6.根据权利要求1所述的运算方法，其特征在于，使该扩展后频域核心信息与该些频域子输入信息分别执行乘法运算的步骤包括：
使该扩展后频域核心信息中的多个第一元素，与各该频域子输入信息中对应相同位置的多个第二元素分别相乘以产生各该子特征地图。


7.根据权利要求1所述的运算方法，其特征在于，还包括：
依据一第一地址，使该核心信息写入至一非易失性存储器的一第一区块中；
针对该核心信息执行一调整动作；以及
在该调整动作中，接收一调整信息并依据该调整信息以变更在非易失性存储器中的该第一地址中的多个最高有效位，并维持该...

【专利技术属性】
技术研发人员：王韦程，何书因，何建忠，张原豪，
申请(专利权)人：旺宏电子股份有限公司，
类型：发明
国别省市：中国台湾;71