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！

龙图腾网获悉湖南师范大学申请的专利一种基于自适应数据子采样的MCMC加速方法和加速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：CN119783531B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411916893.4，技术领域涉及：G06F30/27；该发明授权一种基于自适应数据子采样的MCMC加速方法和加速器是由刘双龙;彭石玉;袁豪轩;龚源昊设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种基于自适应数据子采样的MCMC加速方法和加速器在说明书摘要公布了：本发明公开了一种基于自适应数据子采样的MCMC加速方法和加速器，应用于贝叶斯建模，加速方法包括：生成候选参数样本，计算候选参数样本θ'与当前参数样本θi‑1之间的能量差界上界；根据能量差界上界和当前超参数χ，生成小批量子采样的数目B；按数目B采样，并根据数据点的接受概率更新小批量数据集和θ'的接受概率似然LH；利用最终累加的LH计算接受概率α；根据α接受或拒绝θ'作为模型当前迭代的参数样本；每间隔固定的迭代次数动态调整超参数χ；重复以上过程得到贝叶斯模型的最终参数样本θNs。本发明能够实现参数在模型建立过程中的采样速度和样本效率之间的最佳平衡。

本发明授权一种基于自适应数据子采样的MCMC加速方法和加速器在权利要求书中公布了：1.一种在FPGA上实现基于自适应数据子采样的MCMC加速方法，其特征在于，应用于贝叶斯建模，包括： 步骤1，给定贝叶斯模型的初始参数样本和初始超参数； 步骤2，生成第次迭代的候选参数样本，计算候选参数样本与第次迭代的参数样本之间的能量差界上界； 步骤3，根据能量差界上界和当前超参数，生成小批量子采样的数目； 步骤4，按小批量子采样的数目在训练数据集中采样，并根据每个采样数据点的接受概率更新小批量数据集，以及更新候选参数样本的接受概率的似然； 步骤5，利用小批量数据集最终更新所得接受概率的似然，计算候选参数样本的接受概率； 步骤6，若候选参数样本的接受概率大于给定范围内的随机数，则接受候选参数样本作为贝叶斯模型第次迭代的参数样本，即；否则拒绝候选参数样本，将参数样本作为贝叶斯模型第次迭代的参数样本，即； 步骤7，每间隔给定数量的迭代次数，均根据该间隔内接受候选参数样本的次数，动态调整超参数； 步骤8，令，返回步骤2，继续生成第次迭代的参数样本，直到达到最大迭代次数，得到贝叶斯模型最终的参数样本； S1：在预处理阶段，逐一计算存储在片外DDR中可观察数据的权重，并按照权重的高低把数据和相应的权重分别存在片上的BRAM和片外的DDR上，并且顺序地形成一个地址映射表存储在缓存中，等待后续操作； S2：样本提案评估器读取当前样本的值，并在此基础上随机游走生成候选样本，并且计算两者之间的能量差异存放在参数寄存器中并产生minibatch大小B，等待下一次操作；其中minibatch代表小批量； S3：等S1执行完后，小批量采样器便开始进行采样，不需要依赖S2的执行结果； 小批量采样器初次运行时，从BRAM的头地址中读出权重到累加计数器中，并把计算的累加权重存储在该数据的相邻位置；接着取下一个数据的权重输入到累加计数器，也把结果存储在该数据的相邻位置；直到累加计数到最后一个数据； 小批量采样器初始化完成后，随机数产生器产生0-1之间随机数u与局部界限参数C相乘，然后逐次地与数据的累加权重作比较，直到比较到累加权重的值不小于乘积值，最后输出该累加权重所对应的数据和权重值到片内的FIFO中； S4：等S2执行完后，似然评估模块读取参数寄存器和FIFO的数据，完成一次似然概率的计算并输入到累加器中； S5：等S4执行次数超出B的大小时，触发S4等待的flag，并且读出似然概率累加器的值，与随机数比较判断是否接受该候选样本，完成判断后，触发S2执行的flag。

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湖南师范大学，其通讯地址为：410006 湖南省长沙市岳麓区麓山路36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。