使用非易失性存储器阵列的深入学习神经网络分类器

发明专利有效专利

申请号：
CN201780030390.9
IPC分类号：G06N3/04
申请日期：
2017-05-12
申请人：
硅存储技术公司;加州大学评议会

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	使用非易失性存储器阵列的深入学习神经网络分类器
申请号	CN201780030390.9	申请日期	2017-05-12
法律状态	实质审查	申报国家	中国
公开/公告日	2019-01-11	公开/公告号	CN109196528A
优先权	暂无	优先权号	暂无
主分类号	G06N3/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/04 体系结构，例如，互连拓扑〔7〕	IPC分类号	G;0;6;N;3;/;0;4查看分类表>
申请人	硅存储技术公司;加州大学评议会	申请人地址	美国加利福尼亚州变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	硅存储技术公司,加州大学评议会	当前权利人	硅存储技术公司,加州大学评议会
发明人	F.M.巴亚特;X.郭;D.斯特鲁科夫;N.杜;H.V.陈;V.蒂瓦里;M.雷藤
代理机构	中国专利代理（香港）有限公司	代理人	吕传奇;闫小龙

摘要

本发明公开了一种人工神经网络设备，该人工神经网络设备利用一个或多个非易失性存储器阵列作为突触。该突触被配置为接收输入并且从其生成输出。神经元被配置为接收输出。该突触包括多个存储器单元，其中存储器单元中的每个存储器单元包括：间隔开的源极区和漏极区，该源极区和漏极区在半导体基板中形成，其中沟道区在源极区和漏极区之间延伸；浮栅，该浮栅设置在沟道区的第一部分上方并且与其绝缘；和非浮栅，该非浮栅设置在沟道区的第二部分上方并且与其绝缘。多个存储器单元中的每个存储器单元被配置为存储权重值，该权重值与浮栅上的电子数量相对应。多个存储器单元被配置为将所述输入乘以所存储的权重值以生成输出。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供