龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：上海大学
申请日：2020-05-08
公开（公告）日：2024-07-05
公开（公告）号：CN113626756B
主分类号：G06F17/14
分类号：G06F17/14;G06N3/0464;G06N3/09
优先权：
专利状态码：有效-授权
法律状态：2024.07.05#授权;2021.11.26#实质审查的生效;2021.11.09#公开
摘要：一种神经网络实现端到端的定点快速傅里叶变换量化方法及系统，将浮点时域数据通过基于深度学习的神经网络的量化处理得到相应的定点时域数据，并进一步通过定点快速傅里叶变换得到对应的顶点频域数据，再通过基于深度学习的神经网络的去向量处理得到浮点频域数据。本发明使用截断方法满足有限字长的要求并方便地节省内存资源，同时通过机器学习方法联合优化信号的量化与去量化过程，不必需各种先验信息就能够完成信号的量化工作，且适用于任何线性运算。
主权项：1.一种神经网络实现端到端的定点快速傅里叶变换量化方法，其特征在于，将浮点时域数据通过基于深度学习的神经网络的量化处理得到相应的定点时域数据，并进一步通过定点快速傅里叶变换得到对应的定点频域数据，再通过基于深度学习的神经网络的去向量处理得到浮点频域数据，其中：第k个浮点和相应的定点输入帧以及经过FFT处理后的浮点和定点相应频域信号分别表示为：xk＝[x1k,x2k,…,xNk]T，yk＝[y1k,y2k,…,yNk]T，输出的浮点频域数据为：定点频域数据为：其中：xk为浮点时域数据，为定点时域数据，yk为浮点频域数据，为定点频域数据，矩阵W和分别表示浮点与定点的FFT运算，矩阵中的元素为wmn均匀量化之后的数值。
全文数据：
权利要求：
百度查询： 上海大学 神经网络实现端到端的定点快速傅里叶变换量化方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号