基于可重构阵列架构的强化学习计算引擎

• 作者: 梁明兰 王峥 陈名松
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: 人工智能 可重构阵列架构 强化学习 片上自我意识系统
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 专题:新能源汽车与智能网联汽车
• 页码范围: 19-30
• 页数: 12页
• 分类号: TG181
• 字数: 4255字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-3135.2018.06.004

摘要

现有神经网络处理器已广泛应用于计算机视觉、自然语言处理等领域.然而,现有片上加速方案对控制领域的强化学习算法支持较少,而基于神经网络的强化学习是智能系统决策技术的核心.该文采用可重构阵列体系结构,通过片上配置、动作与奖励存储的系统设计方案,可实现多种神经网络算法的灵活部署,并支持强化学习使用模式.基于65 nm CMOS工艺的逻辑综合结果显示,处理器主频为200 MHz时,计算模块面积仅需0.32 mm2,计算功率约15.46 mW.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈名松		115	570	12.0	17.0
2	王峥	中国科学院深圳先进技术研究院	19	106	7.0	10.0
3	梁明兰	中国科学院深圳先进技术研究院	1	0	0.0	0.0