Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020110113 - RECONFIGURABLE DEVICE BASED DEEP NEURAL NETWORK SYSTEM AND METHOD

Publication Number WO/2020/110113
Publication Date 04.06.2020
International Application No. PCT/IL2019/051292
International Filing Date 26.11.2019
Chapter 2 Demand Filed 29.06.2020
IPC
G06N 3/063 2006.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
063using electronic means
G06F 15/78 2006.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
FELECTRIC DIGITAL DATA PROCESSING
15Digital computers in general; Data processing equipment in general
76Architectures of general purpose stored program computers
78comprising a single central processing unit
CPC
G06F 15/78
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
15Digital computers in general
76Architectures of general purpose stored program computers
78comprising a single central processing unit
G06N 3/063
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
063using electronic means
Applicants
  • DEEP AI TECHNOLOGIES LTD. [IL]/[IL]
Inventors
  • MISHALI, Moshe
Agents
  • KILNG, Asa
Priority Data
62/771,60827.11.2018US
Publication Language English (EN)
Filing Language English (EN)
Designated States
Title
(EN) RECONFIGURABLE DEVICE BASED DEEP NEURAL NETWORK SYSTEM AND METHOD
(FR) SYSTÈME ET PROCÉDÉ DE RÉSEAU NEURONAL PROFOND BASÉ SUR UN DISPOSITIF RECONFIGURABLE
Abstract
(EN)
Provided herein in some embodiments is a deep neural network (DNN) system based on a reconfigurable device such as a field programmable gate arrays (FPGA) configured to use lesser computational resources when training a DNN while maintaining its performance and accuracy levels. Said DNN system may further be used to train a DNN in an increased, rapid pace hence providing real-time operation tailored to the various needs of the user. The reconfigurable device of said DNN system may be dynamically reprogrammed before or during training sessions, or, alternatively, may be programed "on-the-fly" before or during training sessions while adjusting its datapath in response to monitored operational parameters of the DNN system. Such datapath adjustments ensure that multiplications performed during convolution do not include data with under-threshold values, but rather only data with above-threshold value, thereby reducing processing time and computing resources as well as required memory bandwidth.
(FR)
Dans certains modes de réalisation, l'invention concerne un système de réseau neuronal profond (DNN) basé sur un dispositif reconfigurable tel qu'un réseau prédiffusé programmable par l'utilisateur (FPGA) configuré pour utiliser moins de ressources de calcul lors de l'entraînement d'un DNN tout en conservant ses niveaux de performance et de précision. Ledit système de DNN peut aussi être utilisé pour entraîner un DNN à un rythme rapide et accéléré, ce qui offre un fonctionnement en temps réel adapté aux besoins variés de l'utilisateur. Le dispositif reconfigurable dudit système de DNN peut être reprogrammé de manière dynamique avant ou pendant des sessions d'apprentissage ou, en variante, il peut être programmé « à la volée » avant ou pendant des sessions d'entraînement tout en ajustant son chemin de données en réponse à des paramètres opérationnels surveillés du système de DNN. De tels ajustements de chemin de données garantissent que des multiplications effectuées pendant la convolution ne contiennent pas de données avec des valeurs inférieures à un seuil, mais uniquement des données avec une valeur supérieure au seuil, ce qui réduit le temps de traitement et les ressources de calcul ainsi que la largeur de bande de mémoire nécessaire.
Latest bibliographic data on file with the International Bureau