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！

龙图腾网获悉南京大学申请的专利一种用于神经网络的近似乘法器实现方法及近似乘法器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：CN119645344B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411671575.6，技术领域涉及：G06F7/523；该发明授权一种用于神经网络的近似乘法器实现方法及近似乘法器是由傅玉祥;左浩楠;朱俊榕;吕金洋;王启航;李丽;戴晨阳设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种用于神经网络的近似乘法器实现方法及近似乘法器在说明书摘要公布了：本发明公开了一种用于神经网络的近似乘法器实现方法及近似乘法器，其技术方案要点是包括，输入第一操作数和第二操作数，将第一操作数拆分为低位部分和高位部分；对低位部分进行第一编码，得到多组第一编码数，并对高位部分进行第二编码，得到多组第二编码数；将多组第一编码数和多组第二编码数组装，形成组装操作数；根据组装操作数和第二操作数，生成部分积矩阵和对应部分积矩阵的截断误差补偿值；基于部分积矩阵和截断误差补偿值，生成第一操作数和第二操作数的近似乘法结果，本发明将近似高基编码与截断补偿结合使用，在保证计算精度和最终网络推理精度的前提下，大幅提升了近似乘法器的性能。

本发明授权一种用于神经网络的近似乘法器实现方法及近似乘法器在权利要求书中公布了：1.一种用于神经网络的近似乘法器实现方法，其特征在于，所述近似乘法器由查找表和进位链按照流水线架构排列构成，所述近似乘法器实现方法包括： 输入第一操作数和第二操作数，将所述第一操作数拆分为低位部分和高位部分; 对所述低位部分进行第一编码，得到多组第一编码数，并对所述高位部分进行第二编码，得到多组第二编码数； 将所述多组第一编码数和所述多组第二编码数组装，形成组装操作数； 根据所述组装操作数和所述第二操作数，生成部分积矩阵和对应所述部分积矩阵的截断误差补偿值； 基于所述部分积矩阵和所述截断误差补偿值，生成所述第一操作数和所述第二操作数的近似乘法结果； 其中，所述根据所述组装操作数和所述第二操作数生成部分积矩阵，包括： 将两个数位分为一组，并以一个数位为步长，由低位至高位遍历所述第二操作数，得到多组子操作数； 按照由低位至高位的顺序，将每组所述第一编码数和每组所述第二编码数，分别与每组所述子操作数输入至对应的查找表中进行逻辑运算，生成多个部分积位； 将所述多个部分积位为按照所述查找表的顺序排列，构成所述部分积矩阵； 其中，所述基于所述部分积矩阵和所述截断误差补偿值，生成所述第一操作数和所述第二操作数的近似乘法结果，包括： 对于所述部分积矩阵中上下的相邻两个部分积位，若相对的下一个部分积位对应的进位链接收对应的所述截断误差补偿值，将相对的上一个部分积位和对应的进位链输出结果的择一输入至所述下一个部分积位对应的进位链，并将所述截断误差补偿值输入至所述下一个部分积位对应的进位链共同进行加法逻辑运算，得到相对的下一个部分积位对应的进位链的第一进位输出结果；否则将相对的上一个部分积位和对应的进位链输出结果的择一输入至所述下一个部分积位对应的进位链进行加法逻辑运算，得到相对的下一个部分积位对应的进位链的第二进位输出结果； 将所述部分积矩阵中每一列的最后一个所述进位输出结果顺位组合，得到所述第一操作数和所述第二操作数的近似乘法结果。

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南京大学，其通讯地址为：210046 江苏省南京市栖霞区仙林大道163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”。

以上内容由龙图腾AI智能生成。