[发明专利]神经网络运算模块及方法

权利要求书

1.一种神经网络运算模块，其特征在于，所述神经网络运算模块用于执行多层神经网络的运算，所述神经网络模块包括：

存储单元，用于存储所述多层神经网络的权重精度和输出神经元梯度精度；

控制器单元，用于从所述存储单元获取所述多层神经网络相邻两层输出神经元梯度精度和权重精度S_w；根据所述相邻两层输出神经元梯度精度和权重精度S_w确定目标误差传递精度预估值Aⁿ；当所述目标误差传输精度预估值Aⁿ小于所述预设精度A_r时，减小所述相邻两层输出神经元梯度精度和所述权重精度S_w；

运算单元，用于根据减小后的相邻两层输出神经元梯度精度来表示所述相邻两层输出神经元梯度，用于减小后的权重精度S_w来表示所述多层神经网络的权重，并进行后续运算。

2.根据权利要求1所述的模块，其特征在于，所述相邻两层输出神经元梯度精度包括第L-1层输出神经元梯度精度和第L层输出神经元梯度精度在根据所述相邻两层输出神经元梯度精度和权重精度确定目标误差传递精度预估值的方面，所述控制器单元具体用于：

若所述第L-1层输出神经元梯度精度包括多个输出神经元梯度精度，则根据第L-1层多个输出神经元梯度精度、所述权重精度S_w和所述第L层输出神经元梯度精度获取多个误差传递精度预估值；若所述第L层输出神经元梯度精度包括多个输出神经元梯度精度，则根据第L层的多个输出神经元梯度精度、所述权重精度S_w和所述第L层输出神经元梯度精度获取多个误差传递精度预估值；其中，L为大于1的整数；

根据预设策略从所述多个误差传递精度预估值选择出所述目标误差传递精度预估值Aⁿ。

3.根据权利要求2所述的模块，其特征在于，所述控制器单元根据所述第L-1层中多个输出神经元梯度精度、所述权重精度S_w和所述第L层输出神经元梯度精度获取多个误差传递精度预估值，包括：

所述控制器单元根据第一预设公式对所述第L-1层中多个输出神经元梯度精度、所述权重精度S_w和所述第L层输出神经元梯度精度进行计算，以得到所述多个误差传递精度预估值；

其中，所述第一预设公式为：所述Aⁱ为所述多个误差传递精度预估值中的第i个，所述为所述第L-1层中多个输出神经元中的第i个。

4.根据权利要求2所述的模块，其特征在于，所述控制器单元根据所述第L-1输出神经元梯度精度所述权重精度S_w和所述第L层中的多个输出神经元梯度精度，获取多个误差传递精度预估值，包括：

所述控制器单元根据第二预设公式对所述第L-1层输出神经元梯度精度所述权重精度S_w和所述第L层中的多个输出神经元梯度精度进行计算，以得到所述多个误差传递精度预估值；

其中，所述第二预设公式为：所述A_i为所述多个误差传递精度预估值中的第i个，所述为所述第L层中多个输出神经元中的第i个。

5.根据权利要求2-4任一项所述的模块，其特征在于，所述控制器单元根据预设策略从所述多个误差传递精度预估值选择出目标误差传递精度预估值Aⁿ，包括：

从所述多个误差传递精度预估值中任选一个作为所述目标误差传递精度预估值Aⁿ，或者；

从所述多个误差传递精度预估值中选取最大值作为所述目标误差传递精度预估值Aⁿ，或者；

从所述多个误差传递精度预估值中选取最小值作为所述目标误差传递精度预估值Aⁿ，或者；

对所述多个误差传递精度预估值进行求均值计算，以得到计算结果，所述计算结果为所述目标误差传递精度预估值Aⁿ，或者；

根据预设权重对所述多个误差传递精度预估值进行加权后均值计算，以得到加权均值结果，所述加权均值结果为所述目标误差传递精度预估值Aⁿ。