non-volatile memory | BriefGPT

关键词non-volatile memory

搜索结果 - 6

为在 NVCIM 加速器上高效部署 DNN 而设计的微小共享块
通过在 DNN 架构中集成一个小的共享 1x1 卷积块，我们提出了 “Tiny Shared Block (TSB)” 方法，有效地减小了设备变异的影响，从而实现了超过 20 倍的推理准确性提升、超过 5 倍的训练加速和减少权重到设备映射成
PDF2 months ago
U-SWIM: 通用选择性写入验证用于计算内存神经加速器
利用新兴的非易失性存储器设备进行计算存储的架构在深度神经网络加速中具有出色的能效，然而，这些新兴设备在权重映射过程中存在重大变化的挑战，通过我们的研究，我们引入了一种基于二阶导数的新方法 USWIM，可以加速编程达到 10 倍，同时保持类似
PDF7 months ago
基于内存计算的用于安全关键系统的神经网络加速器：最坏情况和保护
对受设备变异影响的 CiM DNN 加速器的最坏情况性能进行确定，并提出一种名为 A-TRICE 的新型最坏情况感知训练技术，通过对抗训练和噪声注入训练有效地改进最坏情况下的 DNN 准确性。
PDF7 months ago
通过使用右截尾高斯噪声进行训练，提升 NVCiM DNN 加速器的实际最差情况性能
使用非易失性存储器构建的计算内存（CiM）在加速深度神经网络（DNNs）方面具有潜力，但由于设备变异，训练有素的模型参数在映射到 NVM 设备后常常出现较大偏差，导致这些基于 CiM 的 DNN 加速器性能显著下降。本文提出使用 k-th
PDFa year ago
负反馈训练：提高 NVCiM DNN 加速器稳健性的新概念
本研究提出一种新的深度神经网络 DNN 训练方法，利用负反馈机制作为多出口机制来提高神经网络模型对设备变异的鲁棒性，在处理 Compute-in-Memory，非易失性内存，矩阵操作等方面都有很好的性能和效率。
PDFa year ago
面向 XR 应用的边缘 AI 硬件的基于内存的设计空间探索
本研究旨在探索面向元宇宙应用的低功耗边缘人工智能能力，通过对手势识别和眼部分割工作负载的研究，以量化和硬件特定瓶颈的影响，评估了不同的硬件设计和不同技术节点，并引入新型的非挥发性存储器技术，证明了能够在满足最低 IPS 的情况下实现能耗显著
PDF2 years ago