一种针对SkipStructure深度神经网络硬件精度问题的原位补偿法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开一种针对SkipStructure深度神经网络硬件精度问题的原位补偿法，属于忆阻器技术领域；原位补偿法包括S1，确定补偿方程的相关系数；S2，测试相关系数与输出误差之间的关系；S3，根据S2得到的测试数据，进行数据拟合，并建立补偿方程；S4，在阵列输出结果时，运用S3建立的补偿方程，对输出结果进行原位补偿；本发明的补偿方法能够解决忆阻器阵列在实现Skip Structure式深度神经网络时误差层层叠加所导致的精度下降问题，从而对于硬件实现跳跃式结构神经网络有很大的优化作用。

《一种针对SkipStructure深度神经网络硬件精度问题的原位补偿法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2023104383577，当前法律状态为已下证，由安徽大学提出申请，发明人为吴祖恒;汪泽清;冯哲;朱云来;徐祖雨;代月花，申请日期为2023-04-23，公开（公告）日期为2025-10-31，国际专利分类号（IPC）为 G06N 3/063 (2023.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开一种针对SkipStructure深度神经网络硬件精度问题的原位补偿法，属于忆阻器技术领域；原位补偿法包括S1，确定补偿方程的相关系数；S2，测试相关系数与输出误差之间的关系；S3，根据S2得到的测试数据，进行数据拟合，并建立补偿方程；S4，在阵列输出结果时，运用S3建立的补偿方程，对输出结果进行原位补偿；本发明的补偿方法能够解决忆阻器阵列在实现Skip Structure式深度神经网络时误差层层叠加所导致的精度下降问题，从而对于硬件实现跳跃式结构神经网络有很大的优化作用。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！