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基于可学习阈值的异常值感知低精度训练硬件系统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：CN119476381B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411490368.0，技术领域涉及：G06N3/063；该发明授权一种基于可学习阈值的异常值感知低精度训练硬件系统是由李丽;徐勤凯;傅玉祥;刘亦锦;陈铠;何国强;李伟;何书专设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本一种基于可学习阈值的异常值感知低精度训练硬件系统在说明书摘要公布了：本发明公开了一种基于可学习阈值的异常值感知低精度训练硬件系统，属于神经网络训练领域，旨在解决在边缘计算设备上进行深度神经网络训练时，如何在保证量化精度的同时有效处理异常值的问题。其包括通过在线更新异常值的阈值提高模型量化性能，具体包括以下步骤：配置异常值阈值实时监测和识别输入的计算数据中的异常值，并根据识别结果对计算数据进行感知量化；对感知量化后的计算数据进行数据转换，并进行数据编码，根据数据编码结果确定计算场景；基于计算场景分配计算任务至处理单元簇中；通过梯度下降算法计算异常值梯度，并进行可学习的异常值阈值更新；在网络训练完成后，进行性能评估，并将结果进行整理和输出。

本发明授权一种基于可学习阈值的异常值感知低精度训练硬件系统在权利要求书中公布了：1.一种基于可学习阈值的异常值感知低精度训练硬件系统，其特征在于，包括通过在线更新异常值的阈值，具体包括以下步骤： 配置异常值阈值实时监测和识别输入的计算数据中的异常值，并根据识别结果对计算数据进行感知量化； 所述感知量化的具体步骤包括： 应用裁剪函数将计算数据限制在一个固定区间内； 通过等级映射函数对裁剪后的计算数据进行量化，映射函数将裁剪后的数据转换为低精度表示； 配置一个可学习的异常值阈值，用于对计算数据进行识别划分； 将小于异常值阈值的计算数据标记为正常值，采用线性量化的方法进行裁剪映射获取其量化结果； 将大于或等于异常值阈值的计算数据标记为异常值，对异常值首先进行数据平移，然后进行裁剪映射获取其量化结果； 对感知量化后的计算数据进行数据转换，并进行数据编码，根据数据编码结果确定计算场景； 所述计算场景的确定的步骤包括： 处理单元阵列根据译码信息将临近的处理单元融合为处理单元簇； 根据计算数据的类别，调整处理单元簇的使用方式，分配计算场景，即对于操作数都是正常值的情况，使用一个处理单元完成计算，并将多组计算数据分别送入不同的处理单元进行并行计算； 对于操作数分别为正常值和异常值的混合情况，将异常值的OAQ形式的低位宽张量数据表示和高位宽张量数据分配到处理单元簇中不同的处理单元，与正常值分别进行计算； 对于操作数都是异常值的极端情况，在时间上复用处理单元簇中的两个处理单元，分别对输入数据的OAQ形式的低位宽张量数据表示和高位宽张量数据进行组合并计算； 基于计算场景分配计算任务至处理单元簇中，其中处理单元簇用于执行混合精度计算； 通过梯度下降算法计算异常值梯度，并进行可学习的异常值阈值更新； 所述异常值梯度计算包括： 对于正常值，可学习的异常值阈值梯度的计算公式为： ； 其中，是偏导，是判定为正常值的计算数据，是可学习的异常值阈值，裁剪函数将数据裁剪到，然后通过映射函数将数据映射到量化等级中，为数据位宽，是的低精度表示； 对于异常值，可学习的异常值阈值梯度的计算公式为： ； 其中，是偏导，是判定为正常值的计算数据，是可学习的异常值阈值，裁剪函数将数据裁剪到，然后通过映射函数将数据映射到量化等级中，为数据位宽，是的低精度表示； 在网络训练完成后，进行性能评估，并将训练好的模型及其参数和性能评估结果进行整理和输出。

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。