【技术实现步骤摘要】
本专利技术涉及神经网络分类技术，特别涉及基于自适应精度切换的神经网络分类技术。
技术介绍
1、神经网络在分类和识别问题上有着极为优异的表现。然而，大部分的神经网络的计算复杂度、整体功耗/硬件资源开销以及计算延时都较大。在神经网络的计算过程中，大量的乘累加运算以及中间数据往复搬移所导致的存储器频繁读写等都对系统的整体功耗、计算延时等提出了挑战。这也对神经网络及其对应的处理电路应用在低功耗或者低时延要求的领域，例如智能穿戴领域，自动驾驶领域，提出了较大挑战。
2、实际上，对于某些输入信号，相对低的数据/计算精度的神经网络分类器也可完成相应分类和识别，在准确率基本无损失的同时，减少了所使用的计算单元精度，降低了计算功耗开销。同时低精度神经网络在工作阶段产生的中间数据也可以拼接存储，减少了访问存储器的次数，降低了数据读写功耗，同时降低了处理时延。
技术实现思路
1、本专利技术所要解决的技术问题是，提供一种能够对输入信号的预分类判决，从而进行精度切换的神经网络分类装置。
2、...
【技术保护点】
1.基于自适应精度切换的神经网络分类装置，包括特征提取模块、自适应精度切换模块、比较器和神经网络分类器；
2.如权利要求1所述装置，其特征在于，间隔设定时间后，装置重新进入训练阶段，完成训练后再投入后续的数据分类工作。
3.如权利要求1或2所述装置，其特征在于，自适应精度切换模块包括精度预判断模块和在线学习模块；
4.如权利要求3所述装置，其特征在于，在线学习算法为随机梯度下降法。
5.如权利要求1或2所述装置，其特征在于，神经网络分类器包含神经网络控制器、缓存器模块和计算单元；
6.如权利要求1所述装置，其...
【技术特征摘要】
1.基于自适应精度切换的神经网络分类装置，包括特征提取模块、自适应精度切换模块、比较器和神经网络分类器；
2.如权利要求1所述装置，其特征在于，间隔设定时间后，装置重新进入训练阶段，完成训练后再投入后续的数据分类工作。
3.如权利要求1或2所述装置，其特征在于，自适应精度切换模块包括精度预判断模块和在...
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。