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！

龙图腾网获悉广东工业大学申请的专利一种RISC-V处理器的设计空间探索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：CN116341618B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202310054218.4，技术领域涉及：G06N3/0464；该发明授权一种RISC-V处理器的设计空间探索方法是由王君;郑欣;高怀恩;刘远;蔡述庭;熊晓明设计研发完成，并于2023-02-03向国家知识产权局提交的专利申请。

本一种RISC-V处理器的设计空间探索方法在说明书摘要公布了：本发明公开了一种RISC‑V处理器的设计空间探索方法，基于设计空间搜索算法优化，增加了自主学习算法，为搜索算法提供关键性信息，对CNN网络中各层的敏感度提前进行分析，使其占处理器的计算资源和存储空间更小，搜索效率更高，优化效果更好。利用麻雀搜索算法优化卷积神经网络，极大的提高了预测模型的精度，缩短了模拟计算的时间。优化处理器对卷积神经网络的卷积运算，降低DSP单元的资源需求，提高处理器中流水线指令并行度，极大的降低了处理器芯片设计的周期时长，优化了处理器的性能。

本发明授权一种RISC-V处理器的设计空间探索方法在权利要求书中公布了：1.一种RISC-V处理器的设计空间探索方法，其特征在于，具体包括以下步骤： S1、初始化阶段： 利用自主学习算法，根据参数的敏感性，对CNN网络进行剪枝操作，简化神经网络结构，减小设计搜索算法对网络模型的计算量；对麻雀搜索算法中的设计参数进行初始化以及根据网络规模参数，确定网络拓扑； S2、采样阶段： 采用随机采样法，在初始化阶段得到的设计空间内随机抽取N个采样值，作为训练阶段中CNN网络模型的输入； S3、训练阶段： 将采样值放入麻雀搜索算法优化过的CNN网络模型中进行训练，得到训练集； S4、预测阶段： 将训练集再装载进麻雀搜索算法的适应度函数，得到一组适应度函数值，并进行排序； S5、迭代过程： 判断是否满足结束条件，若没有满足，则选择适应度函数值最大的点重复步骤S2至步骤S4，直至完成迭代； S6、输出适应度函数的最大值作为最优解集； 利用基于自主学习算法的剪枝方法，对关键路径的权重和参数敏感度进行分析，确定网络模型，具体包括： 1初始化自主学习算法，根据预定参数得到CNN预训练模型； 2得到CNN预训练模型后，分析CNN网络每层的敏感度，根据敏感度从大到小的来确定剪枝的顺序；将卷积层分为独立的两组，使用参数group定义，用于控制卷积核通道方向的权重分组； 3计算每个组内的group个权重值，选出最大的权重值，保留连接，其余都被定义为冗余连接并对其进行组内权重剪枝； 4判断CNN网络每层是否都剪枝完成，完成则得到优化过的CNN网络，若不满足，则继续执行步骤2； 在参数敏感值大的网络结构进行搜索优化，结合麻雀搜索算法优化卷积神经网络，得到训练集；并将得到的训练集作为适应度函数的输入，通过多次迭代，得到适应度函数的最大值即为最优解，具体包括： 1获取不同设计参数配置下处理器的性能，比较它们的性能，将获得优的参数配置作为搜索过程中的基准设计点； 2初始化麻雀搜索算法中的初始化种群PO，迭代次数N，发现者数目SD，安全值ST，预警值R2，设定适应度函数以及卷积神经网络拓扑； 3将基准设计点带入适应度函数计算，更新发现者的位置，跟随者位置，并更新最优值； 4判断是否满足条件，若满足，则将最优值进行CNN网络模型训练，同时计算预测值与真实值的误差；若不满足，则继续执行步骤3；当达到最大迭代次数时，结束循环； 5输出最优解集。

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广东工业大学，其通讯地址为：510062 广东省广州市越秀区东风东路729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”。