CN104102137A - 模型计算单元、控制设备以及用于计算基于数据的函数模型的方法 - Google Patents

模型计算单元、控制设备以及用于计算基于数据的函数模型的方法 Download PDF

Info

Publication number
CN104102137A
CN104102137A CN201410140041.0A CN201410140041A CN104102137A CN 104102137 A CN104102137 A CN 104102137A CN 201410140041 A CN201410140041 A CN 201410140041A CN 104102137 A CN104102137 A CN 104102137A
Authority
CN
China
Prior art keywords
unit
model
function
data
multiplication
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.)
Pending
Application number
CN201410140041.0A
Other languages
English (en)
Inventor
T.朗
H.马克特
A.奧厄
W.菲舍尔
U.舒尔迈斯特
N.班诺夫
F.施雷赖歇特
A.冈托罗
C.弗莱克
A.冯菲廷霍夫
M.萨伊茨勒
M.汉泽尔曼
M.施赖伯
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of CN104102137A publication Critical patent/CN104102137A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/02—Digital function generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
    • G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
    • G06F7/544—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices for evaluating functions by calculation
    • G06F7/5443—Sum of products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
    • G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
    • G06F7/544—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices for evaluating functions by calculation
    • G06F7/556—Logarithmic or exponential functions

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Computing Systems (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Complex Calculations (AREA)
  • Logic Circuits (AREA)
  • Electrotherapy Devices (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本发明涉及一种用于在带有运算核心（31）的控制设备（1）中计算基于数据的函数模型的模型计算单元（3），其中该运算核心（31）包括：-用于在硬件方面执行乘法的乘法单元（43）；-用于在硬件方面执行加法的加法单元（42）；-用于在硬件方面计算指数函数的指数函数单元（41）；-用于存储有待计算的基于数据的函数模型的超参数和取样点数据的存储器、尤其是配置寄存器（45）；以及-用于在乘法单元（43）、加法单元（42）、指数函数单元（41）以及存储器尤其配置寄存器（45）中在硬件方面控制计算过程的逻辑电路（46），用于求得基于数据的函数模型。

Description

模型计算单元、控制设备以及用于计算基于数据的函数模型的方法
技术领域
本发明涉及用于控制设备的模型计算单元，在其中实施基于数据的函数模型用于在硬件方面执行函数、尤其用于控制发动机系统。本发明还涉及用于在这种模型计算单元中计算基于数据的函数模型的方法。
背景技术
由现有技术公开了控制设备，其带有主运算单元和单独的模型计算单元用来计算基于数据的函数模型。文件DE 10 2010 028 266 A1例如示出了控制设备，其带有额外的逻辑电路作为模型计算单元，其在硬件方面构造用于计算指数函数。这实现了在硬件单元中支持贝叶斯回归方法，该方法尤其需要用于计算高斯过程模型。
总体构造模型计算单元用于执行基于参数和取样点或者训练数据来计算基于数据的函数模型的数学过程。所述模型计算单元尤其在硬件方面构造用于有效地计算指数函数，从而能够以比在主运算单元中更高的运算速度来运算高斯过程模型。包含用于计算基于数据的函数模型的参数以及取样点的配置数据通常在模型计算单元中计算之前读入该模型计算单元中，并且随后通过模型计算单元的硬件来进行基于配置数据的计算。然而在不利的配置数据的情况下，这种模型计算单元的硬件的至今为止的实施会在计算时引起数值上的问题，使得不是所有离线确定的基于数据的函数模型都能稳定地在模型计算单元上进行计算。
发明内容
按本发明提出了按权利要求1所述的用于在带有运算核心的控制设备中计算基于数据的函数模型的模型计算单元以及按并列权利要求所述的用于计算基于数据的函数模型的控制设备和方法。
本发明的其它有利的设计方案在从属权利要求中得到说明。
根据第一方面，模型计算单元作为用于在控制设备中计算基于数据的函数模型的硬件单元，其中模型计算单元具有运算核心，其中该运算核心包括：
-用于在硬件方面执行乘法的乘法单元；
-用于在硬件方面执行加法的加法单元；
-用于在硬件方面计算指数函数的指数函数单元；
-用于存储有待计算的基于数据的函数模型的超参数以及取样点数据的配置寄存器或者存储器；以及
-用于在乘法单元、加法单元、指数函数单元以及配置寄存器或者存储器中在硬件方面控制计算过程的逻辑电路，从而求得基于数据的函数模型。
模型计算单元涉及逻辑单元，该逻辑单元包含硬件，该硬件构造用于为基于数据的函数模型在硬件方面执行特定的计算，尤其构造用于与运算核心共同地集成。借助于该逻辑单元，在线地执行之前训练的并且保存在硬件上的用于贝叶斯回归模型的计算方法。使用高斯过程模型作为基于数据的函数模型，尤其可以通过测试点（在该测试点应该求得模型值）的输入标准化的转换以及通过指数项的转换作为加法和乘法以及指数函数的结果求得高斯过程模型的模型值。
所述模型计算单元尤其可以仅仅由上面所述的单元组成。
在硬件中能够实现硬件-函数块、所谓的用于整数计算的MAC块（MAC=Multiplier-Accumulator（乘法-累加器）,也就是德语的：MAK=Multiplikationsakkumulator）或者用于浮点计算的FMA块（FMA：fused multiply-add）也称作FMAC块（FMAC=fused multiply accumulate（熔合乘法累积））。该硬件-函数块在为整数以及浮点计算的说明中称作MAC单元。该MAC单元可以通过硬件中直接的实现特别有效并且由此快速地执行a+b×c的运算。这也许在很少的时钟脉冲周期内并且在特殊情况下也在一个时钟脉冲周期内是可行的。
通过单独设置这种带有在硬件中实现的MAC单元以及在硬件中实现的用于仅仅计算指数函数的指数函数单元的模型计算单元，可以提供特别有效的逻辑电路，该逻辑电路可以作为模型计算单元与运算核心（该运算核心适合于软件的执行）集成地在控制设备中用来求得基于数据的函数模型、尤其高斯过程模型的模型值。
此外，所述乘法单元和加法单元单独地或者组合地在MAC单元中实现。
根据一种实施方式可以设置多个运算核心，其中多个运算核心中的多个具有一个共同的指数函数单元和/或一个共同的MAC单元。作为替代方案也可以规定，每个运算核心具有自己的指数函数单元以及自己的MAC单元。
可以规定所述函数模型为多个输入参量分配一个模型值，其中构造计算过程用于借助于MAC单元分别为输入参量的输入标准化的计算进行乘法以及加法，并且借助于MAC单元为输出参量的输出标准化的计算进行乘法和加法。
根据一种实施方式，所述函数模型可以规定项 的计算，其中xi相当于基于数据的函数模型的取样点并且u相当于输入参量，其中逻辑电路操控加法单元和乘法单元或者MAC电路，从而通过加法以及乘法单元或者通过MAC单元执行所述项的计算。
根据另一方面提出了一种尤其用于带有内燃机的发动机系统的控制设备，其包括运算单元以及上面所描述的模型计算单元。
根据另一方面提出了一种用于在上述的模型计算单元中计算基于数据的函数模型尤其高斯过程模型的方法，其中完全通过顺序执行的运算步骤计算函数模型，其中运算步骤只包括组合的乘法和加法以及指数函数的计算。
附图说明
下面根据附图详细解释本发明的优选实施方式。附图示出：
图1是用于控制物理系统的控制设备的硬件结构的示意图；
图2是求得用于输入参量矢量的D维输入值的高斯过程模型的模型值的框图；
图3是控制设备的模型计算单元中运算核心的详细视图；
图4是用于两个运算核心的硬件结构的示意图，所述运算核心共同使用一个MAC单元以及一个指数函数单元；并且
图5是用于两个运算核心的另一硬件结构的示意图，所述运算核心具有单独的MAC单元以及一个共同的指数函数单元。
具体实施方式
图1示出了用于集成的控制设备1的硬件结构的示意图，在该控制设备中以集成的方式设置了运算单元2和用于在硬件方面计算基于数据的函数模型的模型计算单元3。运算单元2和模型计算单元3通过系统总线4相互通讯连接。
原则上所述模型计算单元3仅仅具有硬件（硬接线）并且优选不构造用于执行软件代码。出于这个缘故，也不需要在模型计算单元3中设置处理器。这能够资源最佳地实现这种模型计算单元3。
所述模型计算单元3可以包括一个或多个运算核心31、内部的存储器32以及DMA单元33（DMA=Direct Memory Access（直接存储器访问））。所述运算核心31、内部的存储器32以及DMA单元33通过内部的通讯连接34相互连接。
基于贝叶斯回归方法使用非参数化的基于数据的函数模型。贝叶斯回归的基础例如在C.E.Rasmusen等人的“Gaussian Processes for Machine Learning”，MIT 出版社 2006年进行描述。贝叶斯回归是基于数据的方法，该方法基于模型。为了生成模型需要训练数据的测量点以及输出参量的配属的输出数据。生成模型的方法是，使用完全或者部分地相应于训练数据的或者从中产生的取样点数据。此外确定抽象的超参数，所述超参数使模型函数的空间参数化并且有效地给训练数据的单个测量点对后期的模型预测的影响加权重。
抽象的超参数通过优化方法确定。用于这种优化方法的方案在于临界似然p(Y︱H,X)的优化。该临界似然p(Y︱H,X)描述了训练数据的所测量的y值的可信性，作为矢量Y示出，给出了模型参数H以及训练数据的x值。在模型训练中使得p(Y︱H,X)最大化，方法是寻找合适的超参数，用所述超参数能够特别好地说明所述数据。为了简化计算，使p(Y︱H,X)的对数最大化，因为对数不改变可信性函数的连续性。
在此，优化方法自动地负责在模型复杂度以及模型的映射精度之间的折衷。虽然用增加的模型复杂度可以实现训练数据的任意高的映射精度，但是这同时会引起模型过度配合训练数据并且由此引起更差的归纳特性。
高斯过程模型的计算相应地实现了在图2中示意性示出的步骤。首先标准化用于测试点u（输入参量矢量）的输入值，更确切地说相应于以下公式：
在此，mx相当于关于取样点数据的输入值的平均值方面的平均值函数，并且sy相当于取样点数据的输入值的方差。
作为建立非参数化的函数模型的结果，得到：
如此求得的模型值v借助于输出标准根据以下公式进行标准化：
在此，v相当于标准化的测试点u（维度D的输入参量矢量）上标准化的模型值（输出值），相当于在（没有标准化的）测试点（维度D的输入参量矢量）上的（没有标准化的）模型值（输出值），xi相当于取样点数据的取样点，N相当于取样点数据的取样点数量，D相当于输入数据/训练数据/取样点数据空间的维度，并且Id以及σf相当于模型训练中的超参数。矢量Qy是从超参数和训练数据中计算出来的参量。此外，my相当于关于取样点数据的输出值的平均值的平均值函数，并且sy相当于取样点数据的输出值的方差。
实现输入以及输出标准化，因为高斯过程模型的计算典型地在标准化的空间中进行。
为了开始计算，运算单元2指示DMA单元33将涉及有待计算的函数模型的配置数据从存储器5加载到内部的存储器32上并且在运算核心31中开始计算，该计算借助于配置数据执行。所述配置数据包括高斯过程模型的超参数以及取样点数据。
从图2中获得的处理链对于数值的计算是不利的，并且在这种情况下也许不会稳定地在模型计算单元3中得到计算。因此提出构造运算核心31，从而可以以简单的方式快速并且/或者在数值上稳定地执行计算。为此，通过以下公式来代替输入标准化：
其中
且
。
此外，可以通过以下公式代替贝叶斯回归模型的预测：
其中
且
。
内部的求和循环在线地对和取样点数据与测试点u之间的平方差的乘积进行求和。长度标尺Id典型地对于每个模型来说是不同的。输入标准化的转换以及贝叶斯回归模型的变换使得运算核心31可以重复地使用a+b×c形式的运算用来计算模型值。
在硬件实施中能够以特别有效的方式借助于所谓的MAC单元计算所述形式a+b×c。这种MAC单元可以在硬件中实现，从而能够在很少的时钟脉冲周期内执行相应的计算。也许甚至可以在一个时钟脉冲周期内实现该计算。此外，上面所述的转换以及变形会引起在运算核心31中在数值方面稳定地计算模型值。在硬件中实现这种计算，如其在附上的伪C代码中进行说明的那样。
/*级1：输入标准化*/
/*级2：计算外部循环*/
/*级2a：计算内部循环*/
/*级2b：计算指数函数*/
/*级3：输出标准化*/
。
要注意的是，长度标尺总是正的，因为指数函数仅仅在负的输入范围内在数值上是精确的并且因此可以相应地优化，也就是
此外，长度标尺中的权重系数1/2也可以面积有利地（flächengünstig）在硬件中实施，使得所保存的长度标尺只能以倒数的形式进行保存。
通过上面的变换，在图2中所示的计算过程以图3中详细示出的运算核心31中后面的单元来执行。该运算核心31为此包括指数函数单元41、乘法单元43、加法单元42或者其已知的MAC单元44的组合形式。为了能够确保硬件的灵活性，所需的参数、也就是测试点u、取样点数据xi、维度D的数量、训练数据N的数量是可配置的。这在配置寄存器或者存储器中组合地保存，并且例如可以作为能够由运算单元2说明的寄存器45以及指针寄存器示出。
上面在伪C代码中说明的计算过程通过逻辑电路46控制。该逻辑电路46示出了相应的连线以及过程控制。
此外，所述变换能够在硬件中实施高斯过程模型的完整的计算。该计算基本上可以借助于MAC单元44以及指数函数单元41执行。方框的使用在上面的伪C代码中在右侧得到说明。
然而也可以在专用的加法单元和乘法单元中进行计算，从而快速地进行计算。
如在图1中所示，可以在模型计算单元3中设置多个运算核心31，从而相互独立地并且并行地计算多个高斯过程模型或者子模型。如在图4中所示，每个运算核心31具有自己的配置寄存器或者自己的存储器，在其中加载了测试点u的输入值、取样点数据xi以及所有其它的参数。例如可以通过管道技术实现多个运算核心31。
此外也存在以下优化方案，即模型计算单元3的一个或多个部分仅仅实施一次并且由多个运算核心31使用，从而节省硬件资源。如此，运算核心31例如可以访问一个共同的MAC单元44或者一个共同的指数函数单元41。
例如可以通过（时间）多路复用技术优化多个运算核心31的实现。在时间-多路复用技术中存在与单元例如两个运算核心31的恒定的时钟脉冲分配关系，也就是说偶数的时钟脉冲和非偶数的时钟脉冲分配于例如两个运算核心中相应的一个。
通常在多路复用技术中根据需要（例如借助于逻辑电路46）进行运算核心31的分配。此外，多路复用技术可以设置冗余，其中在一个运算核心失灵时由另一运算核心执行其计算。
相反，图5的实现示出了两个分别带有一个自己的MAC单元44的运算核心31，所述运算核心访问一个共同的指数函数单元41。

Claims (7)

1.用于在带有运算核心（31）的控制设备（1）中计算基于数据的函数模型的模型计算单元（3），其中该运算核心（31）包括：
-用于在硬件方面执行乘法的乘法单元（43）；
-用于在硬件方面执行加法的加法单元（42）；
-用于在硬件方面计算指数函数的指数函数单元（41）；
-用于存储有待计算的基于数据的函数模型的超参数和取样点数据的存储器、尤其是配置寄存器（45）；以及
-用于在乘法单元（43）、加法单元（42）、指数函数单元（41）以及存储器尤其配置寄存器（45）中在硬件方面控制计算过程的逻辑电路（46），用于求得基于数据的函数模型。
2.按权利要求1所述的模型计算单元（3），其中，乘法单元和加法单元设置在组合在硬件中的MAC单元（44）中。
3.按权利要求1或2所述的模型计算单元（3），其中设置多个运算核心（31），其中所述多个运算核心（31）中的多个具有一个共同的指数函数单元（41）和/或一个共同的MAC单元（44）。
4.按上述权利要求中任一项所述的模型计算单元（3），其中函数模型为多个输入参量分配一个模型值，其中构造计算过程用于尤其借助于MAC单元（44）为输入参量的输入标准化的计算执行乘法和加法，并且尤其借助于MAC单元（44）为输出参量的输出标准化的计算执行乘法和加法。
5.按权利要求2到4中任一项所述的模型计算单元（3），其中函数模型规定项 的计算，其中xi相当于基于数据的函数模型的取样点并且u相当于输入参量，其中构造逻辑电路用于借助于MAC单元（44）或者借助于乘法单元（43）和加法单元（42）执行所述项的计算。
6. 控制设备（1），尤其用于带有内燃机的发动机系统，包括：
-运算单元（2）；以及
-按权利要求1到5中任一项所述的模型计算单元（3）。
7. 用于在按权利要求1到5中任一项所述的模型计算单元（3）中计算基于数据的函数模型尤其高斯过程模型的方法，其中完全通过顺序执行的运算步骤计算函数模型，其中运算步骤包括至少一个组合的乘法和加法或者仅仅包括组合的乘法和加法计算以及指数函数的计算。
CN201410140041.0A 2013-04-10 2014-04-09 模型计算单元、控制设备以及用于计算基于数据的函数模型的方法 Pending CN104102137A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
DE102013206302 2013-04-10
DE102013206302.4 2013-04-10
DE102013213420.7A DE102013213420A1 (de) 2013-04-10 2013-07-09 Modellberechnungseinheit, Steuergerät und Verfahrenzum Berechnen eines datenbasierten Funktionsmodells
DE102013213420.7 2013-07-09

Publications (1)

Publication Number Publication Date
CN104102137A true CN104102137A (zh) 2014-10-15

Family

ID=51618474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410140041.0A Pending CN104102137A (zh) 2013-04-10 2014-04-09 模型计算单元、控制设备以及用于计算基于数据的函数模型的方法

Country Status (6)

Country Link
US (1) US10146248B2 (zh)
JP (2) JP2014206975A (zh)
KR (1) KR102215271B1 (zh)
CN (1) CN104102137A (zh)
DE (1) DE102013213420A1 (zh)
FR (1) FR3004567B1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105892989A (zh) * 2016-03-28 2016-08-24 中国科学院计算技术研究所 一种神经网络加速器及其运算方法
CN109643393A (zh) * 2016-09-07 2019-04-16 罗伯特·博世有限公司 用于计算具有前馈和反馈的多层感知模型的模型计算单元和控制器
CN111149117A (zh) * 2017-09-28 2020-05-12 甲骨文国际公司 机器学习和深度学习模型的基于梯度的自动调整
CN111201448A (zh) * 2017-10-10 2020-05-26 罗伯特·博世有限公司 用于产生反演传感器模型的方法和设备以及用于识别障碍物的方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013213420A1 (de) * 2013-04-10 2014-10-16 Robert Bosch Gmbh Modellberechnungseinheit, Steuergerät und Verfahrenzum Berechnen eines datenbasierten Funktionsmodells
DE102013209657A1 (de) * 2013-05-24 2014-11-27 Robert Bosch Gmbh FMA-Einheit, insbesondere zur Verwendung in einer Modellberechnungseinheit zur rein hardwarebasierten Berechnung von Funktionsmodellen
DE102017215420A1 (de) * 2016-09-07 2018-03-08 Robert Bosch Gmbh Modellberechnungseinheit und Steuergerät zur Berechnung eines RBF-Modells
DE102016216947A1 (de) 2016-09-07 2018-03-08 Robert Bosch Gmbh Modellberechnungseinheit und Steuergerät zur Berechnung eines mehrschichtigen Perzeptronenmodells
JP2019157652A (ja) * 2018-03-07 2019-09-19 トヨタ自動車株式会社 内燃機関の制御装置
CN109739470B (zh) * 2018-12-30 2023-06-13 南京大学 一种基于2型双曲cordic任意指数函数的计算系统
DE102020206916A1 (de) 2020-06-03 2021-12-09 Robert Bosch Gesellschaft mit beschränkter Haftung Steuereinrichtung und Verfahren zum Auswählen von Auswertungspunkten für ein Bayessches Optimierungsverfahren

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1173408A (ja) * 1997-08-29 1999-03-16 Internatl Business Mach Corp <Ibm> 演算処理システム及び演算処理方法
JP2005157876A (ja) * 2003-11-27 2005-06-16 Seiko Epson Corp 誤差関数演算装置及び誤差関数演算方法
CN101369999A (zh) * 2007-08-17 2009-02-18 义隆电子股份有限公司 递归式离散傅立叶处理器单核心装置及其应用
US20100198894A1 (en) * 2009-01-30 2010-08-05 Kameran Azadet Digital Signal Processor Having Instruction Set With An Exponential Function Using Reduced Look-Up Table
CN102175916A (zh) * 2011-01-30 2011-09-07 天津大学 短样本密集频率信号的参数测量方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6526430B1 (en) * 1999-10-04 2003-02-25 Texas Instruments Incorporated Reconfigurable SIMD coprocessor architecture for sum of absolute differences and symmetric filtering (scalable MAC engine for image processing)
DE102008001081B4 (de) 2008-04-09 2021-11-04 Robert Bosch Gmbh Verfahren und Motorsteuergerät zum Steuern eines Verbrennungsmotors
DE102010028259A1 (de) 2010-04-27 2011-10-27 Robert Bosch Gmbh Mikrocontroller mit einer Recheneinheit und einer Logikschaltung sowie Verfahrung zur Durchführung von Rechnungen durch einen Mikrocontroller für eine Regelung oder eine Steuerung in einem Fahrzeug
DE102010028266A1 (de) 2010-04-27 2011-10-27 Robert Bosch Gmbh Steuergerät und Verfahren zur Berechnung einer Ausgangsgröße für eine Steuerung
US9753695B2 (en) * 2012-09-04 2017-09-05 Analog Devices Global Datapath circuit for digital signal processors
DE102013206320A1 (de) * 2013-04-10 2014-10-16 Robert Bosch Gmbh Verfahren und Steuergerät zur Berechnung eines datenbasierten Funktionsmodells
DE102013213420A1 (de) * 2013-04-10 2014-10-16 Robert Bosch Gmbh Modellberechnungseinheit, Steuergerät und Verfahrenzum Berechnen eines datenbasierten Funktionsmodells
DE102013209657A1 (de) * 2013-05-24 2014-11-27 Robert Bosch Gmbh FMA-Einheit, insbesondere zur Verwendung in einer Modellberechnungseinheit zur rein hardwarebasierten Berechnung von Funktionsmodellen
DE102013212840B4 (de) * 2013-07-02 2022-07-07 Robert Bosch Gmbh Modellberechnungseinheit und Steuergerät zur Berechnung eines datenbasierten Funktionsmodells mit Daten in verschiedenen Zahlenformaten
DE102013212842A1 (de) * 2013-07-02 2015-01-08 Robert Bosch Gmbh Verfahren zum Betreiben eines Steuergeräts sowie Steuergerät mit einer Modellberechnungseinheit

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1173408A (ja) * 1997-08-29 1999-03-16 Internatl Business Mach Corp <Ibm> 演算処理システム及び演算処理方法
JP2005157876A (ja) * 2003-11-27 2005-06-16 Seiko Epson Corp 誤差関数演算装置及び誤差関数演算方法
CN101369999A (zh) * 2007-08-17 2009-02-18 义隆电子股份有限公司 递归式离散傅立叶处理器单核心装置及其应用
US20100198894A1 (en) * 2009-01-30 2010-08-05 Kameran Azadet Digital Signal Processor Having Instruction Set With An Exponential Function Using Reduced Look-Up Table
CN102175916A (zh) * 2011-01-30 2011-09-07 天津大学 短样本密集频率信号的参数测量方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105892989A (zh) * 2016-03-28 2016-08-24 中国科学院计算技术研究所 一种神经网络加速器及其运算方法
CN109643393A (zh) * 2016-09-07 2019-04-16 罗伯特·博世有限公司 用于计算具有前馈和反馈的多层感知模型的模型计算单元和控制器
CN111149117A (zh) * 2017-09-28 2020-05-12 甲骨文国际公司 机器学习和深度学习模型的基于梯度的自动调整
CN111149117B (zh) * 2017-09-28 2023-09-19 甲骨文国际公司 机器学习和深度学习模型的基于梯度的自动调整
CN111201448A (zh) * 2017-10-10 2020-05-26 罗伯特·博世有限公司 用于产生反演传感器模型的方法和设备以及用于识别障碍物的方法
CN111201448B (zh) * 2017-10-10 2024-03-15 罗伯特·博世有限公司 用于产生反演传感器模型的方法和设备以及用于识别障碍物的方法

Also Published As

Publication number Publication date
DE102013213420A1 (de) 2014-10-16
KR20140122672A (ko) 2014-10-20
KR102215271B1 (ko) 2021-02-15
US20140310325A1 (en) 2014-10-16
JP2014206975A (ja) 2014-10-30
FR3004567B1 (fr) 2019-01-25
FR3004567A1 (fr) 2014-10-17
US10146248B2 (en) 2018-12-04
JP2019145111A (ja) 2019-08-29

Similar Documents

Publication Publication Date Title
CN104102137A (zh) 模型计算单元、控制设备以及用于计算基于数据的函数模型的方法
JP6857286B2 (ja) ニューラルネットワークアレイの性能の改善
US10817260B1 (en) Reducing dynamic power consumption in arrays
KR102486030B1 (ko) 완전연결층 신경망 정방향 연산 실행용 장치와 방법
CN102859158B (zh) 用于计算控制用的输出参量的控制设备和方法
CN102236325B (zh) 具有计算单元和逻辑电路的微控制器以及用于通过微控制器执行计算来用于车辆中的调节或控制的方法
CN104573822B (zh) 用于集成控制组件的用于计算lolimot的模型计算单元
CN103970720B (zh) 基于大规模粗粒度嵌入式可重构系统及其处理方法
KR20190107766A (ko) 계산 장치 및 방법
CN111950225A (zh) 一种芯片布局方法、装置、存储介质和电子设备
US20110208676A1 (en) Configurable circuitry for solving stochastic problems
TWI782328B (zh) 適用於神經網路運算的處理器
CN103489034A (zh) 预测与诊断在线海流监测数据的方法和装置
US7971082B2 (en) Method and system for estimating power consumption of integrated circuit design
TWI747130B (zh) 基於硬體結構感知之自適應學習式功率建模方法與系統
EP3444758A1 (en) Discrete data representation-supporting apparatus and method for back-training of artificial neural network
CN104102129A (zh) 用于创建基于数据的函数模型的方法和装置
JP6973651B2 (ja) 演算最適化装置、方法およびプログラム
US9569175B2 (en) FMA unit, in particular for utilization in a model computation unit for purely hardware-based computing of function models
CN112991445B (zh) 模型训练方法、姿态预测方法、装置、设备及存储介质
Brassai et al. Hardware implemented adaptive neuro fuzzy system
CN111260070B (zh) 运算方法、装置及相关产品
CN111258641B (zh) 运算方法、装置及相关产品
KR20210131417A (ko) 데이터 처리 장치 및 인공 지능 칩
US20190205494A1 (en) System and method for designing a chip floorplan using machine learning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20141015