energy efficiency | BriefGPT

关键词energy efficiency

搜索结果 - 308

垂直联邦学习中的脉冲神经网络：性能权衡
本文研究了在垂直联邦学习中使用脉冲神经网络模型的优势和权衡。通过实施具有不同隐私和性能影响的具有模型分割和无模型分割的两种联邦学习架构，并使用 CIFAR-10 和 CIFAR-100 基准数据集以及 VGG9 和 ResNET 分类模型的
PDF3 days ago
基于虎蜥优化的卷积神经网络 - 双向门控循环单元的云计算能耗回归预测算法
使用基于角蜥优化算法的数据回归算法优化对卷积神经网络 - 双向门控循环单元的云计算能耗预测研究表明，优化算法在能源效率的预测上比随机森林模型具有更准确可靠的结果，为改善云计算体系的能效提供了新思路和方法。
PDF8 days ago
RISC-V 内核上的混合精度神经网络：用于多泵软 SIMD 操作的 ISA 扩展
通过引入 ISA 扩展和硬件设计来优化混合精度硬件的 RISC-V CPU 体系结构，我们的研究工作首次提出了一种硬件 - 软件共同设计框架，以实现混合精度量化和推理的协同，并验证通过广泛的实验评估表明，我们的框架可以在准确率损失不超过 1
PDF8 days ago
在开放世界场景中使用仅前向学习算法的全脉冲神经网络的鲁棒性
通过使用前馈 - 前馈算法（FFA）替代反向传播，该研究探索了提高人工智能（AI）模型整体能量效率的方法，以应对 Out-of-Distribution（OoD）输入的安全和可持续性问题，并提出了基于 FFA 训练的模型的新算法进行 OoD
PDF8 days ago
SmartQuant: 基于 CXL 的 AI 模型存储支持运行时可配置的权重量化
这项研究通过基于 CXL 的设计解决方案，允许 CXL 内存控制器在支持和利用运行时可配置的权重量化方面发挥主动作用，提高生成型 AI 模型的内存访问速度和能效。
PDF10 days ago
StoX-Net：用于高效内存计算的随机处理部分和的 DNN 加速器
基于横向栅构建的内存计算是一种应用于深度神经网络硬件加速的有前景的平台，然而能耗和延迟主要由外围模拟数字转换器的巨大开销所决定，为了解决该问题，本文提出了实现数组级部分和的随机处理，借助旋转轨道磁隧道结的概率性切换，该处理方式消除了昂贵的模
PDF10 days ago
MonoSparse-CAM：利用单调性和稀疏性增强 CAM 上的树模型处理
通过引入一种名为 MonoSparse-CAM 的新型基于内容寻址内存（CAM）的计算优化技术，本文提出了一种用于 TBML 的有效部署优化解决方案，并研究了 TBML 模型结构对数组稀疏性的影响，从而提供了在硬件上实现高效能量利用的关键见
PDF15 days ago
OPIMA：光学处理内存用于卷积神经网络加速
OPIMA 是一种 PIM 架构的机器学习加速器，利用光学主存储器内固有的大规模并行性，通过高速、低能耗的光学计算来加速基于卷积神经网络的机器学习模型，实现了 2.98 倍的吞吐量提高和 137 倍的能源效率提高。
PDF16 days ago
移动用户的高效公平 STAR-RIS
本研究提出了一种方法来提高移动用户进行同时传输和反射的可重构智能表面（STAR-RIS）的能量效率和公平性，以确保降低功耗同时保持可靠的通信。通过引入一种新的参数，即次表面分配变量，来确定分配给每个用户的 STAR-RIS 元素的数量。我们
PDF18 days ago
面向废水流量估计的嵌入式 FPGA 软传感器自动构建
利用基于深度学习的软传感器在资源有限的物联网设备上进行流量估计已经展示出了在可靠性和能源效率方面的潜力，然而，在废水流量估计领域的应用仍未得到充分探索，原因包括缺乏可用的数据集、不便的设备上 AI 模型开发和部署工具链以及旨在提供通用深度学
PDF21 days ago
量化和剪枝对深度强化学习模型的影响
本研究调查了两种突出的神经网络压缩方法（量化和修剪）对深度强化学习模型的影响，发现尽管模型大小减小，但这些压缩技术通常并不改善深度强化学习模型的能量效率，为在资源受限环境中部署高效的深度强化学习模型提供了指导方针。
PDF22 days ago
SpikeLLM：基于显著性的脉冲神经网络扩展到大型语言模型
通过使用生物合理的脉冲机制，我们提出了一种名为 SpikeLLM 的新型脉冲型大型语言模型，结合了一种名为 Optimal Brain Spiking 的新型脉冲驱动量化框架，以降低能量消耗并加速推理速度。通过实验证明，SpikeLLM 在
PDF22 days ago
制造业能效改进专家系统的系统评述
在欧盟致力于在 2050 年实现气候中性的大背景下，为了提高能源效率的努力不断加强，制造业是这些努力的主要焦点之一，因为其对最终电力能源需求高，同时面临着关键性技术人员短缺的问题。专家系统可以通过自动识别潜在的能源效率改进措施，从而在减少电
PDF22 days ago
基于近端策略优化的深度强化学习在奶牛养殖中的电池管理方法
通过最大化利用可再生能源并应用深度强化学习算法（DRL）的近端政策优化（PPO）方法，研究提高电力效率、减少环境影响，从而提高奶牛养殖中的能源管理和可持续性。实证结果表明，相较于 Q 学习算法，PPO 方法可以减少 1.62% 的电力从电网
PDFa month ago
空闲即休眠：在闲置时关闭 FPGA 加速器的配置感知替代方案
在快速发展的物联网领域中，我们专注于提高基于 FPGA 的异构平台上深度学习加速器的能效，符合可持续计算原则。我们通过优化 FPGA 配置阶段的开销，成功实现了 40.13 倍的配置能量减少。此外，在与节能方法相结合的情况下，我们的等待空闲
PDFa month ago
IJCAISVFormer：一种直接训练的脉冲转换器用于高效的视频动作识别
我们研究了利用脉冲神经网络的直接训练的 SVFormer（Spiking Video transFormer）进行视频动作识别，通过整合局部特征提取、全局自注意力和 SNN 的内在动态、稀疏性和脉冲驱动特性，以更高效和有效的方式提取时空特征
PDFa month ago
在 FPGA 上增强基于 Dropout 的贝叶斯神经网络的多出口
本文提出了一个算法和硬件协同设计框架，该框架可以为高效的基于 FPGA 的 Bayesian 神经网络生成加速器，以减少计算和内存负载，并实现更高的能源效率。
PDFa month ago
全局 - 局部卷积与脉冲神经网络在能效关键词检测中的应用
通过利用脉冲神经网络的能效优势，我们提出了一种端到端轻量级的关键词识别模型，其中包括全局 - 局部脉冲卷积模块和瓶颈 - 脉冲增强模块，通过精心设计的特征提取方法，实现了更稀疏、更能源高效且性能更好的语音特征提取，进一步通过瓶颈 - 脉冲增
PDFa month ago
SFedCA：基于信用分配的脉冲式联邦学习主动客户选择策略
提出了一种基于信用分配的主动客户端选择策略（SFedCA），通过对全局样本分布平衡做出贡献的客户端进行聚合，以解决现有脉冲联邦学习方法中对客户端参与的随机选择方法的缺点，从而在多媒体数据的高效处理方面具有巨大的潜力。
PDFa month ago
深度学习模型训练中的能量成本最小化：高斯采样方法
基于模型的过参数化性质和损失函数的平滑性，我们提出了一种名为 “GradSamp” 的方法，通过从高斯分布中采样梯度更新，以高效计算深度学习模型的梯度，从而减少反向传播过程中的能量开销。我们的实验结果验证了 “GradSamp” 在不损失性
PDF2 months ago