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！

申请/专利权人：山东芯安泓锦科技有限公司

摘要：本发明提供一种FPGA上实现深度学习的高效浮点数处理方法，涉及数据处理技术领域，所述方法包括：初始化一个粒子群，粒子群中的每个粒子都代表一种流水线配置，流水线配置包括流水线的级数以及从运行模块中选择的一种哈希算法，粒子群中的每个粒子的初始位置随机设定，表示不同的初始配置参数；定义一个用于评估每种流水线配置性能的适应度函数；根据适应度函数，更新每个粒子的速度和位置，通过重复进行适应度函数的计算和粒子的更新，直到达到预设的迭代次数，以得到最终的流水线配置，最终的流水线配置包括最终的流水线级数和选择的哈希算法。本发明增加了系统在处理不同类型数据时的适应性和效率。

主权项：1.一种FPGA上实现深度学习的高效浮点数处理方法，其特征在于，所述方法包括：根据关键特征，构建一个支持多种不同的哈希算法的运行模块；初始化一个粒子群，粒子群中的每个粒子都代表一种流水线配置，流水线配置包括流水线的级数以及从运行模块中选择的一种哈希算法，粒子群中的每个粒子的初始位置随机设定，表示不同的初始配置参数；定义一个用于评估每种流水线配置性能的适应度函数；根据适应度函数，更新每个粒子的速度和位置，通过重复进行适应度函数的计算和粒子的更新，直到达到预设的迭代次数，以得到最终的流水线配置，最终的流水线配置包括最终的流水线级数和选择的哈希算法；在构建一个支持多种不同的哈希算法的运行模块之前，还包括：对输入的浮点数数据进行预处理，以得到预处理数据；分析预处理数据，以提取对应的关键特征；对输入的浮点数数据进行预处理，以得到预处理数据，包括：对输入的浮点数数据通过进行滤波，以得到滤波数据，其中，为滤波后的数据点；为原始数据点；为滤波窗口大小的一半；为在滤波窗口内，从中心点到当前点的距离，取值范围是；为高斯函数的标准差；为归一化常数；是当前正在处理的数据点的索引；是原始数据点的索引，位于当前处理点的距离处；对所述滤波数据通过进行处理，以得到预处理数据，其中，是归一化后的数据点；是第个数据段内的局部均值；是第个数据段内的局部标准差；是第个数据段内的局部最大值；是第个数据段内的局部最小值；是整个数据集的全局最大值；是整个数据集的全局最小值；是数据段的索引，表示所属的数据段；分析预处理数据，以提取对应的关键特征，包括：将预处理数据划分为多个数据段，每个数据段包含适量的数据点，具体包括：根据数据的采样率和周期性，确定每个数据段应包含的数据点数量；将预处理后的连续数据流按照确定的大小分割成多个独立的数据段；对每个划分后的数据段，计算并提取数据段内数据的统计特征，包括均值、标准差、偏度和峰度；对数据段进行频谱分析，通过转换数据到频域，提取频域特征；根据统计特征和频域特征，提取关键特征，具体包括：应用快速傅里叶变换将时域信号转换为频域信号，通过快速傅里叶变换，分析数据中的周期性成分和频率特性；在频域表示中，观察数据的频率分量及其幅度，频率分量和幅度值作为特征被提取；根据具体的应用场景和目标，从每个数据段中提取出选定的统计特征和频域特征，形成一个特征向量；适应度函数的计算公式为： ；其中，是适应度值；是权重系数；是流水线配置的处理速度；是期望的最大处理速度；是流水线配置的资源消耗；是允许的最大资源消耗；是流水线配置在处理不同输入数据时输出的方差，代表稳定性；是允许的最大输出方差；是流水线配置在处理新输入数据时的性能；是流水线配置在处理基准输入数据时的性能；流水线配置的资源消耗的计算公式为： ，其中，是处理器使用率，是内存使用率，是存储使用率；是预先设定的权重系数；流水线配置在处理不同输入数据时输出的方差的计算公式为： ，其中，表示样本数量；表示第个数据点的值；表示所有数据的平均值；表示第个数据点与平均值的差的平方；表示所有数据点与平均值的差的平方的和；流水线配置在处理新输入数据时的性能的计算公式为： ，其中，为新输入数据的处理速度；为新输入数据的最大处理速度；为新输入数据的准确率；权重系数；流水线配置在处理基准输入数据时的性能的计算公式为： ，其中，为基准输入数据的处理速度，为基准输入数据的准确率；是权重系数。

全文数据：

权利要求：

百度查询： 山东芯安泓锦科技有限公司 一种FPGA上实现深度学习的高效浮点数处理方法