故障减轻方法及数据处理电路技术

本发明专利技术提供一种故障减轻方法及数据处理电路。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。第一数据包括多个位。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。藉此，可减少存储器故障的影响。

【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...

【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：