《基於深度學習的MLC型NAND快閃記憶體Polar-RNNA量化器的最佳化方法》是福州大學於2021年1月26日申請的專利，該專利公布號為CN112929033A，專利公布日為2021年6月8日，發明人是陳平平、羅旭、李潤澤。
基本介紹
- 中文名：基於深度學習的MLC型NAND快閃記憶體Polar-RNNA量化器的最佳化方法
- 申請公布號 ：CN112929033A
- 申請公布日 ：2021.06.08
- 申請號 ：2021101011889
- 申請日：2021.01.26
- 申請人：福州大學
- 地址：350108福建省福州市閩侯縣福州大學城烏龍江北大道2號福州大學
- 發明人：陳平平; 羅旭; 李潤澤
- Int. Cl.：H03M13/00(2006.01)I; G06F12/06(2006.01)I; G11C16/08(2006.01)I
- 專利代理機構：福州元創專利商標代理有限公司35100
- 代理人：陳明鑫; 蔡學俊
專利摘要
本發明涉及一種基於深度學習的MLC型NAND快閃記憶體Polar‑RNNA量化器的最佳化方法，包括以下步驟：步驟S1:將MLC快閃記憶體檢測問題轉換為深度學習問題，並基於神經網路，得到3個硬判決讀取閾值；步驟S2:基於得到的3個硬判決讀取閾值，擴展得到6個軟判決讀取閾值；步驟S3:構建LLR映射表，並基於LLR映射表，得到MLC快閃記憶體新的的對數似然比軟信息；步驟S4:對稱化MLC快閃記憶體信道,並進行密度進化處理；步驟S5:基於遺傳算法，最佳化軟判決讀取閾值，獲取最優的最優量化區間。本發明避免了MLC快閃記憶體信道建模的艱巨任務，即可直接將極化碼用於MLC快閃記憶體信道，有效提高MLC快閃記憶體可靠性。
