一种面向ReRAM随机写入误差的典型深度学习网络精度补偿方法

首页 AI资讯 AI技术研报 AI监管政策 AI产品测评 AI商业项目 arena全球大模型排行榜 AI产品热榜 AI 源力市场 AI新闻日报

正文
推荐专利
一种面向ReRAM随机写入误差的典型深度学习网络精度补偿方法
申请号:CN202511153249
申请日期:2025-08-18
公开号:CN121009929A
公开日期:2025-11-25
类型:发明专利
摘要
本发明是一种面向ReRAM随机写入误差的典型深度学习网络精度补偿方法。本发明涉及人工智能硬件加速与神经网络模型优化技术领域,本发明在ReRAM器件上对不同目标电导值进行多次写入,利用核密度估计建立电导值误差的概率分布;将所得分布拟合为正态分布,并建立标准差与理想电导值之间的函数关系;依据该函数构建贝叶斯神经网络中权重的先验分布,并在训练过程中对后验分布均值引入L2正则惩罚项,以抑制误差放大敏感性。本发明实现了对ReRAM硬件误差的模型级补偿,在无需冗余映射或在线校准的情况下,有效提升了网络推理精度与鲁棒性。
技术关键词
贝叶斯神经网络 精度补偿方法 深度学习网络 人工智能硬件加速 模型训练模块 变分贝叶斯方法 精度补偿系统 搭建模块 数据记录模块 典型 关系 抑制误差 器件误差 高斯核函数 在线校准 参数 神经网络模型 存储设备
添加客服微信AITNT178,进AITNT官方交流群
沪ICP备2023015588号