买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉昆明理工大学申请的专利一种基于硬件描述语言的图卷积神经网络加速方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117236397B 。

龙图腾网通过国家知识产权局官网在2025-12-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311190658.9，技术领域涉及：G06N3/063；该发明授权一种基于硬件描述语言的图卷积神经网络加速方法是由张云伟;沈宗凯;杨晓琳设计研发完成，并于2023-09-15向国家知识产权局提交的专利申请。

本一种基于硬件描述语言的图卷积神经网络加速方法在说明书摘要公布了：本发明涉及一种基于硬件描述语言的图卷积神经网络加速方法，属于深度学习硬件加速领域。包括如下步骤：步骤一：基于Pytorch框架搭建并训练一个经典图神经网络模型GCN，该模型用于图数据的分类、预测等。步骤二：提取GCN模型的参数进行量化与转化，以便FPGA存储及计算。步骤三：用硬件描述语言设计一个GCN算法框架，该算法框架包括计算模块和存储模块以及协同模块。步骤四：通过vivado平台编译并进行仿真验证GCN算法框架。步骤五：将验证后的GCN算法框架部署在FPGA中，实时推理输入的图数据流。实现了图卷积神经网络的高效处理，以简洁的方式实现了多功能函数的计算，在保证模型精度的同时，确保图数据处理的实时性以及模型运算的高效率。

本发明授权一种基于硬件描述语言的图卷积神经网络加速方法在权利要求书中公布了：1.一种基于硬件描述语言的图卷积神经网络加速方法，其特征在于，包括如下步骤： 1设计一个三层图卷积神经网络模型GCN，外接一个分类层，对输入的图数据进行节点分类，图卷积神经网络层的目标函数如下： 其中，为添加自连接的无向图的邻接矩阵，A为不包含自连接的邻接矩阵，IN是单位矩阵，为度矩阵，WL是第L层图卷积神经网络的可训练权重参数矩阵，L＝0,1,2，σ·代表激活函数，采用ReLU·，HL是第L层中的特征矩阵，HL+1为第L层输出的特征矩阵； 2训练时通过反向传播算法更新每一层图卷积神经网络的参数，其中损失函数采用交叉熵损失函数，并建立优化器Adam，设置学习率数值，得到训练好的GCN模型； 其中，表示样本i的标签，当类别取c时候为1，其他为0，表示样本i预测为c类别的概率，N表示样本总数，Cross为损失值，C是节点的类别集合，c∈C； 3将训练好的GCN模型提取出来的可训练权重参数矩阵、归一化后的邻接矩阵以及特征矩阵进行量化与转化； 4结合硬件描述语言设计存储模块，用于存储量化与转化后的参数以及缓存中间变量； 5用硬件描述语言设计计算模块以及协调模块； 6在vivado平台上建立工程，将步骤3、步骤4、步骤5所设计的内容整合到工程中，在整合后的工程中编译并仿真验证，得到验证后的GCN模型，将验证后的GCN模型部署在FPGA中，实时处理输入的图数据流。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人昆明理工大学，其通讯地址为：650031 云南省昆明市一二一大街文昌路68号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。