买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉复旦大学申请的专利一种基于FPGA的图卷积神经网络的混合精度量化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115906945B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211578073.X，技术领域涉及：G06N3/0464；该发明授权一种基于FPGA的图卷积神经网络的混合精度量化方法是由叶景格;王堃设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本一种基于FPGA的图卷积神经网络的混合精度量化方法在说明书摘要公布了：本发明公开了一种基于FPGA的图卷积神经网络的混合精度量化方法。本发明包括采用不同数据位宽对图卷积神经网络的输入矩阵以及不同层进行量化的步骤；以及采用对称的线性量化方法对图卷积神经网络的输入矩阵进行量化的步骤；本发明除了基本量化方式的改进以外，还将混合精度量化的思想嵌入到图卷积神经网络中，对于不同的矩阵数据，采取不同的数据位宽进行量化，对于位于GCN中不同层的矩阵数据，也使用不同的数据位宽进行量化。本发明的量化方法能在提高模型量化精度的同时，实现对整个GCN模型进一步的压缩，使其更加容易在FPGA上部署。

本发明授权一种基于FPGA的图卷积神经网络的混合精度量化方法在权利要求书中公布了：1.一种基于FPGA的图卷积神经网络的混合精度量化方法，其特征在于，其用于图卷积神经网络在FPGA的部署，图神经网络用于文献分类任务，以对cora和pubmed文献分类数据集中图里面的所有节点进行分类；其包括采用不同数据位宽对图卷积神经网络的输入矩阵以及不同层进行量化的步骤，以及采用对称的线性量化方法对图卷积神经网络的输入矩阵进行量化的步骤；所述输入矩阵包括邻接矩阵、权重矩阵和特征矩阵；其中： 所述采用不同数据位宽对图卷积神经网络的输入矩阵以及不同层进行量化的步骤中，对特征矩阵使用的数据位宽多于对邻接矩阵和权重矩阵使用的数据位宽； 所述对称的线性量化方法对图卷积神经网络输入矩阵进行量化的步骤包括： 对于权重矩阵，从输入数据中选取一部分比较对称的区间映射，而在这个对称区间以外的所有数据，映射为；权重量化的具体公式如下所示： ， 其中，为映射前的数值，为映射后的数值，为量化后数据的位宽，为映射的对称区间的边界； 采用L2范式衡量选取的对称区间对量化带来的误差，以进行对称区间确定，当范式取最小值时，代表选取的对称区间是最优的；L2范式的计算公式如下： ， 其中，为L2范式，为输出在量化、取整之后的实际数值，为数据的个数； 对于邻接矩阵和特征矩阵，量化的公式如下： ， 其中的也是同样地由L2范式来进行确定。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。