CN113128141A - 一种基于无误差随机计算的中值滤波*** - Google Patents

一种基于无误差随机计算的中值滤波*** Download PDF

Info

Publication number
CN113128141A
CN113128141A CN202110416068.8A CN202110416068A CN113128141A CN 113128141 A CN113128141 A CN 113128141A CN 202110416068 A CN202110416068 A CN 202110416068A CN 113128141 A CN113128141 A CN 113128141A
Authority
CN
China
Prior art keywords
random
comparator
output
sequence
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110416068.8A
Other languages
English (en)
Other versions
CN113128141B (zh
Inventor
卢有亮
罗建平
陈勇
张哲�
王浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202110416068.8A priority Critical patent/CN113128141B/zh
Publication of CN113128141A publication Critical patent/CN113128141A/zh
Application granted granted Critical
Publication of CN113128141B publication Critical patent/CN113128141B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/32—Circuit design at the digital level
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03K—PULSE TECHNIQUE
    • H03K5/00—Manipulating of pulses not covered by one of the other main groups of this subclass
    • H03K5/22—Circuits having more than one input and one output for comparing pulses or pulse trains with each other according to input signal characteristics, e.g. slope, integral
    • H03K5/24—Circuits having more than one input and one output for comparing pulses or pulse trains with each other according to input signal characteristics, e.g. slope, integral the characteristic being amplitude

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Nonlinear Science (AREA)
  • Image Processing (AREA)
  • Analogue/Digital Conversion (AREA)

Abstract

本发明公开一种基于无误差随机计算的中值滤波***，应用于数字图像处理优化设计领域，针对现有技术存在的资源消耗较大的问题，本发明的中值滤波***，包括：前向转换模块、随机比较器以及后向转换模块；前向转换模块包括集中序列生成单元与均匀序列生成单元，所述集中序列生成单元与均匀序列生成单元用于将二进制信号分别转换成均匀分布序列和集中分布序列；集中序列生成单元的输出端连接随机比较器的输入端，均匀序列生成单元的输出端连接随机比较器的选择端，随机比较器的输出端与后向转换模块相连；后向转换模块将随机比较器输出的随机序列转换为二进制数值；本发明的中值滤波器可以很好的应用于数字图像中值滤波降噪等领域。

Description

一种基于无误差随机计算的中值滤波***
技术领域
本发明属于数字图像处理优化设计领域，特别涉及一种中值滤波***的实现技术。
背景技术
由于目前集成电路运算性能高、集成面积小、功耗低等要求。随着科学技术的不断发展，晶体管的尺寸不断缩小，单位面积上可集成的晶体管愈来愈多。然而，随着Dennard的缩放比例定律的失效，计算领域遭到了空前的挑战。由Moore定律可知，缩小晶体管的尺寸，漏电流会随之变大，进而增加集成电路的功耗，但是性能的提升却不理想，复杂精密芯片的可靠性成为现阶段设计者最关心的问题，这就推动了新计算技术的发展。
在随机计算的数字电路设计中，常用的前向转换单元使用线性反馈移位寄存器(LFSR)，来生成随机数源，设置不同的线性反馈移位寄存器(LFSR)初始值，前向转换的输出序列则不同，不仅可以产生伪随机的比特流，而且能够很好的降低比特流序列自身的自相关性，但随机电路的每一路需要独立的初始随机数来驱动，这样一来会极大地增加前向转换单元的电路面积和资源占用。
发明内容
为解决上述技术问题，本发明提出一种基于无误差随机计算的中值滤波***。
本发明采用的技术方案为：一种基于无误差随机计算的中值滤波***，包括：前向转换模块、随机比较器模块以及后向转换模块；
所述前向转换模块包括集中序列生成单元与均匀序列生成单元，所述集中序列生成单元与均匀序列生成单元用于将二进制信号分别转换成集中分布序列和均匀分布序列；
集中序列生成单元的输出端连接随机比较器的输入端，均匀序列生成单元的输出端连接随机比较器的选择端，随机比较器的输出端与后向转换模块相连；后向转换模块将随机比较器输出的随机序列转换为二进制数值。
还包括时钟周期模块，所述时钟周期模块与前向转换模块共用一个加计数器。
所述集中分布序列的生成过程为：将加权二进制数与当前时钟周期的加计数器值进行比较，若大于当前时钟周期的加计数器值，则输出比特流为“1”；否则输出比特流为“0”，由于当前时钟周期等于上一时钟周期自加1，因此可输出“1”全在序列头部，其余位为“0”并在序列尾部的集中分布序列。
均匀序列生成单元的生成过程为：将当前时钟周期的加计数器值与前一个时钟周期的加计数器的值的二进制反码相与，得到的每位输出分别与二进制加权数中的每一位相与，得到的各输出分别连接或门，最终得到加权二进制数的均匀分布序列。
包括三个二进制信号。
所述随机比较器模块为三个随机比较器级联的结构，对应的，三个随机比较器依次记为第一随机比较器、第二随机比较器、第三随机比较器，三个二进制信号经前向转换模块后的三个集中序列，其中两个集中序列作为第一随机比较器的输入，另一个集中序列与第一随机比较器的较大输出作为第二随机比较器的输入，第一随机比较器的较小输出与第二随机比较器的较小输出作为第三随机比较器的输入，第二随机比较器的较大输出作为该随机比较器模块的最大序列输出，第三随机比较器的较大输出作为该随机比较器模块的中值序列输出，第三随机比较器的较小输出作为该随机比较器模块的最小序列输出；均匀分布序列作为三个随机比较器选择端的输入。
单个随机比较器包括：第一随机比较模块、stanh模块、第二随机比较模块、第三随机比较模块；三个随机比较模块的两个输入端作为该随机比较器的两个输入端，该随机比较器的两个输入端的输入是反相的，第一随机比较模块的选择端作为该随机比较器的选择端；第一随机比较模块的输出端接stanh模块的输入端，stanh模块的输出端分别连接第二随机比较模块与第三随机比较模块各自的选择端；第二随机比较模块的输出作为该随机比较器的较大输出端，第三随机比较模块的输出作为该随机比较器的较小输出端。
所述stanh模块具体为基于有限状态机的stanh函数，具体的：
状态转移图的转换原则为：N个状态，分别是S0、S1、…、Sn-1，X作为状态机的初始输入值，输出Y只与当前状态Si有关，0＜i＜N-1，若0＜i≤N/2-1，则输出值Y＝0；否则输出值Y＝1。
本发明的有益效果：随机计算是一种近似或不精确计算的表示形式，本发明可实现随机比较器的无误差输出结果，其结构包括前向转换模块，随机比较器，后向转换模块，所述随机比较器可以级联，所述前向转换模块、随机比较器和后向转换模块依次电路相连，输入二进制信号通过概率序列生成器生成均匀分布序列和集中分布序列，集中分布序列作为随机比较器的输入端，均匀分布序列作为随机比较器的选择端，随机比较器的输出端与后向转换模块相连，完成随机序列到传统二进制数值的转换，并且可以很好的应用于数字图像中值滤波降噪等领域；本发明的基于无误差随机计算的中值滤波***包括以下优点：
1、基于加计数器的转换单元，通过固定概率分布来减少互相关性，改进的随机比较器模型实现无固有误差的随机计算结果。
2、时钟周期模块可以与前向转换模块共用一个加计数器，减少资源消耗。
3、实现了随机计算可以很好的应用于中值滤波降噪等领域的功能。
附图说明
图1为本发明中的中值滤波***的结构框图；
图2为本发明中的中值滤波3*3滑窗示意图；
图3为本发明中的集中序列生成单元示意图；
图4为本发明中的均匀序列生成单元示意图；
图5为本发明中的基于有限状态机的转移图；
图6为本发明中的随机比较器内部结构图；
图7为本发明中的随机比较器级联图；
图8为本发明应用于图像中值滤波实验结果图；
其中，图8(a)为原始图像，图8(b)为传统方法实现的中值滤波结果，图8(c)为基于随机计算实现的中值滤波结果。
具体实施方式
为便于本领域技术人员理解本发明的技术内容，下面结合附图对本发明内容进一步阐释。
如图1所示，本发明的一种基于无误差随机计算的中值滤波***包括：前向转换模块、随机比较器以及后向转换模块；所述前向转换模块包括集中序列生成单元与均匀序列生成单元，用于将二进制信号分别转换成集中分布序列和均匀分布序列；所述随机比较器用于输出最大集中分布序列和最小集中分布序列；所述后向转换模块用于将输出的随机序列转换回二进制数值。
本实施例中的前向转换单元使用线性反馈移位寄存器(LFSR)，来生成随机数源，设置不同的线性反馈移位寄存器(LFSR)初始值，前向转换的输出序列则不同，不仅可以产生伪随机的比特流，而且能够很好的降低比特流序列自身的自相关性。
如图2所示，中值滤波3*3滑窗输出值原理图，在使用软件实现时，首先比较每列(行)的像素值，按照最大值、中间值和最小值排序；然后比较最大值那一列(行)取其中的最小值，比较中间值那一列(行)取中间值，比较最小值那一列(行)取最大值；最后再比较前一步骤中的三个值，取中间值，这个中间值即为所需的窗口中的统计中值，作为窗口的输出，图2所示的具体示例比较过程如下：
步骤1首先比较每列的像素值，按照最大值、中间值和最小值排序{{50，37，19}，{98，36，24}，{80，64，23}}；
步骤2然后最大值那一行取其中的最小值，比较中间值那一行取中间值，最小值那一行取最大值{min{50，98，80}，med{37，36，64}，max{19，24，23}}；
步骤3最后比较取出的三个值，取中间值，这个中间值即为所需的窗口中的统计中值med{50，37，24}，即37位窗口的输出值。
如图3所示，集中分布序列生成单元，所述集中分布序列单元是将二进制加权数X[n-1：0]与当前时钟周期的加计数器值cnt进行比较，之所以使用基于加计数器的前向转换单元，是可以通过固定概率的分布来减小序列间的互相关性，不仅可以实现电路复用，也可以减少资源的消耗。且前向转换单元中的加计数器也可以与时钟周期模块中的加计数器共用，进一步提升电路的运行效率。其中加计数器可以由所有前向转换器共用，若X＞cnt，则输出比特流为“1”；若X≤cnt，则输出比特流为“0”，由于每个时钟周期cnt＝cnt+1，因此可输出“1”全在序列头部，其余位为“0”并在序列尾部的集中分布序列，例如待转换数5，经过集中转换单元生成的8-bit的集中分布序列11111000。
X[n-1：0]表示待转换二进制序列，X表示n bit的二进制加权数。
如图4所示，均匀分布序列生成单元，其中加计数器由所有前向转换器共用，当前时钟周期的加计数器值cnt，与前一个时钟周期的加计数器的值的二进制反码相与，其功能起一个上升沿检测器的作用，得到的每位输出分别与二进制加权数X[n-1：0]相与，输出分别连接或门，即得到加权二进制数X[n-1：0]的均匀分布序列。
图4中X0、…、Xi、…、Xn-1分别表示X[n-1：0]中的n个bit位。
如图5所示，基于有限状态机的状态转移图，由一组以线性形式排列的N个状态组成(饱和计数器)。通常，选择N＝2K个状态，其中K是正整数，从第一个状态到最后一个状态的转换必须通过所有中间状态的逐次转换来实现。其中，所述状态转移图的转换原则为，N个状态，分别是S0、S1、…、Si、…、SN-1，X作为状态机的初始输入值，输出Y只与当前状态Si有(0＜i＜N-1)关，若0＜i≤N/2-1，则输出值Y＝0；否则输出值Y＝1，由此构造出基于有限状态机的stanh函数，在已有模型的基础上，本发明通过输入集中分布的A、B和均匀分布的R，不仅实现了无误差计算结果，而且将原有的状态数减少为仅需要四个状态就能实现功能，极大地减少了电路面积和资源占用。
如图6所示，随机比较器的内部结构图，其中A、B为随机比较器输入端，为集中分布序列，R为数据选择器的选择端，为均匀分布序列，产生的随机比特流差值送入stanh模块，由stanh模块的配置可知，
Figure BDA0003025914630000051
进而得到，0≤PX＜0.5时，PY＝0；PX＝0.5时，PY＝1/2；0.5＜PX≤1时，PY＝1。所以若A＞B，则PX＞0.5，S＝1，stanh模块倾向于保持在高状态侧，最右边的数据器选择A；若A＜B，则PX＜0.5，S＝0，stanh模块倾向于保持在低状态侧，最右边的数据选择器选择B，由此分别输出最大集中分布序列和最小集中分布序列。这里的S表示stanh模块的输出。
PY表示输出比特流中的每个比特为1的概率；PX表示输入比特流中的每个比特位1的概率；
Figure BDA0003025914630000052
表示在输入概率PX下，当前状态为i的概率；N表示总的状态数。
如图7所示，随机比较器级联图，由上述所提到的随机比较器级联而成，简单介绍下其工作原理：二进制信号分别a、b、c，经过前向转换单元转换成随机比特流，得到A、B、C三个序列；首先比较B、C两个序列的大小，较大序列存入MAX1，较小序列存入MIN1；然后比较MAX1、A两个序列的大小，较大序列存入MAX，较小序列存入MIN2；最后比较MINi、MIN2两个序列的大小，较大序列存入MID，较小序列存入MIN，由此分别输出最大序列MAX、中值序列MID、最小序列MIN。
如图8所示，上述所述级联随机比较器可应用于中值滤波等数字图像处理领域，整个过程均采用随机比特流来实现，在测试的IEEE图库中，每个像素点的像素值都是由8比特加权二进制代表的灰度值表示，其中图8(a)为原始图像，图8(b)为传统方法实现的中值滤波结果，图8(c)为基于随机计算实现的中值滤波结果，可以发现本发明的基于随机计算的中值滤波器与加权二进制***下的中值滤波器相比没有固有概率值误差。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (7)

1.一种基于无误差随机计算的中值滤波***，其特征在于，包括：前向转换模块、随机比较器模块以及后向转换模块；
所述前向转换模块包括集中序列生成单元与均匀序列生成单元，所述集中序列生成单元与均匀序列生成单元用于将二进制信号分别转换成均匀分布序列和集中分布序列；
集中序列生成单元的输出端连接随机比较器的输入端，均匀序列生成单元的输出端连接随机比较器的选择端，随机比较器的输出端与后向转换模块相连；后向转换模块将随机比较器输出的随机序列转换为二进制数值。
2.根据权利要求1所述的一种基于无误差随机计算的中值滤波***，其特征在于，还包括时钟周期模块，所述时钟周期模块与前向转换模块共用一个加计数器。
3.根据权利要求2所述的一种基于无误差随机计算的中值滤波***，其特征在于，所述集中分布序列的生成过程为：将加权二进制数与当前时钟周期的加计数器值进行比较，若大于当前时钟周期的加计数器值，则输出比特流为“1”；否则输出比特流为“0”，由于当前时钟周期等于上一时钟周期自加1，因此可输出“1”全在序列头部，其余位为“0”并在序列尾部的集中分布序列。
4.根据权利要求3所述的一种基于无误差随机计算的中值滤波***，其特征在于，均匀序列生成单元的生成过程为：将当前时钟周期的加计数器值与前一个时钟周期的加计数器的值的二进制反码相与，得到的每位输出分别与二进制加权数中的每一位相与，得到的各输出分别连接或门，最终得到加权二进制数的均匀分布序列。
5.根据权利要求4所述的一种基于无误差随机计算的中值滤波***，其特征在于，所述随机比较器模块为三个随机比较器级联的结构，三个随机比较器依次记为第一随机比较器、第二随机比较器、第三随机比较器，对应的包括三个二进制信号，三个二进制信号经前向转换模块后的三个集中序列，其中两个集中序列作为第一随机比较器的输入，另一个集中序列与第一随机比较器的较大输出作为第二随机比较器的输入，第一随机比较器的较小输出与第二随机比较器的较小输出作为第三随机比较器的输入，第二随机比较器的较大输出作为该随机比较器模块的最大序列输出，第三随机比较器的较大输出作为该随机比较器模块的中值序列输出，第三随机比较器的较小输出作为该随机比较器模块的最小序列输出；均匀分布序列作为三个随机比较器选择端的输入。
6.根据权利要求5所述的一种基于无误差随机计算的中值滤波***，其特征在于，单个随机比较器包括：第一随机比较模块、stanh模块、第二随机比较模块、第三随机比较模块；三个随机比较模块的两个输入端作为该随机比较器的两个输入端，该随机比较器的两个输入端的输入是反相的，第一随机比较模块的选择端作为该随机比较器的选择端；第一随机比较模块的输出端接stanh模块的输入端，stanh模块的输出端分别连接第二随机比较模块与第三随机比较模块各自的选择端；第二随机比较模块的输出作为该随机比较器的较大输出端，第三随机比较模块的输出作为该随机比较器的较小输出端。
7.根据权利要求6所述的一种基于无误差随机计算的中值滤波***，其特征在于，所述stanh模块具体为基于有限状态机的stanh函数，具体的：
状态转移图的转换原则为：N个状态，分别是S0、S1、…、Sn-1，X作为状态机的初始输入值，输出Y只与当前状态Si有关，0<i<N-1，若0<i≤N/2-1，则输出值Y＝0；否则输出值Y＝1。
CN202110416068.8A 2021-04-19 2021-04-19 一种基于无误差随机计算的中值滤波*** Active CN113128141B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110416068.8A CN113128141B (zh) 2021-04-19 2021-04-19 一种基于无误差随机计算的中值滤波***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110416068.8A CN113128141B (zh) 2021-04-19 2021-04-19 一种基于无误差随机计算的中值滤波***

Publications (2)

Publication Number Publication Date
CN113128141A true CN113128141A (zh) 2021-07-16
CN113128141B CN113128141B (zh) 2023-03-24

Family

ID=76777377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110416068.8A Active CN113128141B (zh) 2021-04-19 2021-04-19 一种基于无误差随机计算的中值滤波***

Country Status (1)

Country Link
CN (1) CN113128141B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117314730A (zh) * 2023-11-28 2023-12-29 进迭时空(杭州)科技有限公司 一种用于加速数字图像处理的中值滤波计算装置及其方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060099123A (ko) * 2005-03-10 2006-09-19 엘지전자 주식회사 Ｔｅ를 이용한 틸트 조정시 솔트 잡음제거방법 및 넓은 커브 피팅 영역 선정에 따른 조정편차 개선 방법
CN102740340A (zh) * 2012-07-19 2012-10-17 中南大学 面向无线传感器网络簇内同构型节点的数据汇聚方法
CN104782116A (zh) * 2012-09-18 2015-07-15 菲力尔***公司 热图像中的行和列降噪
CN108446606A (zh) * 2018-03-01 2018-08-24 苏州纳智天地智能科技有限公司 一种基于加速二进制特征提取的人脸关键点检测方法
CN110620566A (zh) * 2019-09-25 2019-12-27 电子科技大学 基于随机计算与余数***相结合的fir滤波***
CN110677138A (zh) * 2019-09-25 2020-01-10 电子科技大学 基于无误差概率计算的fir滤波器

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060099123A (ko) * 2005-03-10 2006-09-19 엘지전자 주식회사 Ｔｅ를 이용한 틸트 조정시 솔트 잡음제거방법 및 넓은 커브 피팅 영역 선정에 따른 조정편차 개선 방법
CN102740340A (zh) * 2012-07-19 2012-10-17 中南大学 面向无线传感器网络簇内同构型节点的数据汇聚方法
CN104782116A (zh) * 2012-09-18 2015-07-15 菲力尔***公司 热图像中的行和列降噪
CN108446606A (zh) * 2018-03-01 2018-08-24 苏州纳智天地智能科技有限公司 一种基于加速二进制特征提取的人脸关键点检测方法
CN110620566A (zh) * 2019-09-25 2019-12-27 电子科技大学 基于随机计算与余数***相结合的fir滤波***
CN110677138A (zh) * 2019-09-25 2020-01-10 电子科技大学 基于无误差概率计算的fir滤波器

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ROHIT SINGH等: "Quantum image restoration based on Hudson–Parthasarathy Schrodinger equation", 《QUANTUM INFORMATION PROCESSING》 *
侯小平等: "用双曲正切和反正切函数拟合面波频散曲线的适应性分析", 《科学技术与工程》 *
刘帅等: "最小均方误差算法在瞬变电磁信号降噪中的应用", 《地球物理学进展》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117314730A (zh) * 2023-11-28 2023-12-29 进迭时空(杭州)科技有限公司 一种用于加速数字图像处理的中值滤波计算装置及其方法
CN117314730B (zh) * 2023-11-28 2024-03-15 进迭时空(杭州)科技有限公司 一种用于加速数字图像处理的中值滤波计算装置及其方法

Also Published As

Publication number Publication date
CN113128141B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
US20180204131A1 (en) Stochastic computation using pulse-width modulated signals
US8462028B2 (en) Parallel to serial conversion apparatus and method of converting parallel data having different widths
TW200915173A (en) Data bus inversion detection mechanism
CN114968179A (zh) 一种基于时钟抖动和亚稳态的真随机数产生电路
CN112698811A (zh) 神经网络随机数发生器共享电路、共享方法、处理器芯片
CN101140511A (zh) 串行进位二进制加法器
CN113128141B (zh) 一种基于无误差随机计算的中值滤波***
CN111404550A (zh) 模数转换器及其时钟产生电路
Xiong et al. Hardware implementation of an improved stochastic computing based deep neural network using short sequence length
CN114374809A (zh) 一种红外焦平面读出电路的模数转换电路
CN110336536B (zh) 真随机数发生器的电路及设备
CN213934855U (zh) 一种基于随机计算的神经网络随机数发生器共享电路
Nair et al. Design of multistage counters using linear feedback shift register
US6867617B2 (en) Half-rate clock logic block and method for forming same
CN110705196B (zh) 一种基于随机计算的无误差加法器
Lin et al. A review of deterministic approaches to stochastic computing
CN113157247B (zh) 一种可重构整型-浮点型乘法器
US11475288B2 (en) Sorting networks using unary processing
CN114925640A (zh) 一种多级mprm逻辑电路功耗优化方法
US10778240B1 (en) Device and method for digital to analog conversion
CN110890895B (zh) 借助表示法变换执行极化解码的方法及相关极化解码器
Lee et al. Reinventing Fpga optimised stochastic computing convolutional neural network architecture for highly efficient artificial intelligence workload
US20210389931A1 (en) Context-Aware Bit-Stream Generator for Deterministic Stochastic Computing
CN113010146B (zh) 一种混合信号乘法器
WO2022048231A1 (zh) 随机数产生电路

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant