【技术实现步骤摘要】
本专利技术涉及一种数据处理机制，尤其是，还涉及一种故障减轻方法及数据处理电路。
技术介绍
1、神经网络是人工智能(artificial intelligence，ai)中的一个重要主题，并是通过模拟人类脑细胞的运作来进行决策。值得注意的是，人类脑细胞中存在着许多神经元(neuron)，而这些神经元会通过突触(synapse)来互相连结。其中，各神经元可经由突触接收信号，且此信号经转化后的输出会再传导到另一个神经元。各神经元的转化能力不同，且人类通过前述信号传递与转化的运作，可形成思考与确定的能力。神经网络即是根据前述运作方式来得到对应能力。
2、神经网络经常被应用在图像辨识中。而在各神经元的运作中，输入分量与对应突触的权重相乘(可能加上偏置)后将经非线性函数(例如，激活(activation)函数)运算而输出，从而提取图像特征。无可避免地，用于存储输入值、权重值及函数参数的存储器可能良率不佳，使得部分存储区块故障/损坏(例如，硬性错误(hard error))，进而影响存储数据的完成性或正确性。甚至，针对卷积神经网络(convolutional neural network，cnn)，执行卷积运算(convolution)后，故障/损坏的情况将严重影响图像辨识结果。例如，若故障发生在较高位，则辨识成功率可能趋近于零。
技术实现思路
1、本专利技术是针对一种故障减轻方法及数据处理电路，基于相邻特征的统计特性取代数据，以提升辨识准确度。
2、根据本专利技术的实施
3、根据本专利技术的实施例，数据处理电路包括(但不仅限于)存储器及处理器。存储器用于存储程序代码，且具有一个或更多个故障位。处理器耦接存储器，并经配置用以加载且执行下列步骤：将第一数据写入存储器；根据第一数据在故障位的一个或更多个相邻位确定运算结果；根据运算结果确定新值；使用新值取代第一数据在故障位上的数值，以形成第二数据。第一数据报括多个位。第一数据为图像相关的数据、对图像进行特征提取的乘积累加运算所用的权重及/或激活运算所用的数值。相邻位相邻于故障位，且运算结果是对第一数据在存储器上的未故障位的数值运算所得。
4、基于上述，本专利技术实施例的故障减轻方法及数据处理电路可使用未故障位上的数值的运算结果取代故障位上的数值。藉此，可降低图像辨识的错误率，从而减轻故障影响。
本文档来自技高网...【技术保护点】
1.一种故障减轻方法，适用于具有故障位的存储器，其特征在于，所述故障减轻方法包括：
2.根据权利要求1所述的故障减轻方法，其特征在于，确定所述运算结果包括：
3.根据权利要求2所述的故障减轻方法，其特征在于，根据所述运算结果确定所述新值包括：
4.根据权利要求1所述的故障减轻方法，其特征在于，所述至少一相邻位包括相邻于所述故障位的较高位及较低位，且进行所述运算包括：
5.根据权利要求4所述的故障减轻方法，其特征在于，所述统计值为算术平均值。
6.一种数据处理电路，其特征在于，包括：
7.根据权利要求6所述的数据处理电路，其特征在于，所述处理器还经配置用以：
8.根据权利要求7所述的数据处理电路，其特征在于，所述处理器还经配置用以：
9.根据权利要求6所述的数据处理电路，其特征在于，所述至少一相邻位包括相邻于所述故障位的较高位及较低位，且所述处理器还经配置用以：
10.根据权利要求9所述的数据处理电路，其特征在于，所述统计值为算术平均值。
【技术特征摘要】
1.一种故障减轻方法，适用于具有故障位的存储器，其特征在于，所述故障减轻方法包括：
2.根据权利要求1所述的故障减轻方法，其特征在于，确定所述运算结果包括：
3.根据权利要求2所述的故障减轻方法，其特征在于，根据所述运算结果确定所述新值包括：
4.根据权利要求1所述的故障减轻方法，其特征在于，所述至少一相邻位包括相邻于所述故障位的较高位及较低位，且进行所述运算包括：
5.根据权利要求4所述的故障减轻方法，其特征在于，所述统计值...
【专利技术属性】
技术研发人员：刘恕民，吴凯强，唐文力，
申请(专利权)人：台湾发展软体科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。