- PowerPruning: 为高效神经网络加速选择权重和激活函数
本文提出 PowerPruning 方法,通过选择在 MAC 操作中消耗更少功率的权重,以及考虑所选择权重的时序特征和所有激活转移,进一步选择导致小延迟的权重和激活,从而在不修改 MAC 单位的情况下减小了 MAC 单位敏化电路路径的最大延 - 物联网城市场景中移动医疗监控系统高效微型数据中心的部署
本文论述了一种基于建模和仿真的方法,利用 Micro Data Centers(微型数据中心)来降低云数据中心面对的大量 IoT 设备带来的压力,并且从城市基础设施、人口行为等角度,研究了医疗保健 IoT 场景下的总能耗与多种数据中心配置之 - 智能家居非侵入式负载监测和电器识别的迁移学习
提出了一种利用深度学习解决非侵入式负载监测(NILM)问题的方法,包括解决家用和场地级别的 NILM 问题以及家电识别等相关问题,利用低频 REED 数据集和 REFIT 数据集对模型进行训练和测试,能够达到最高 94.6% 的准确率,为实 - MM5G 基站的机器学习和能耗分析模型
本文提出了一种基于机器学习模型的 5G 基站功耗模型,具有高精度和有效的能源节省机制,是理解和优化 5G BS 能效的基本工具。
- 估算异构设备在执行 AI 推理时的功耗消耗
本文研究了物联网在物体识别任务中的能量消耗以及 NVIDIA Jetson Nano 板子的实际表现,最终通过对 YOLOv5 模型进行性能测试,发现 YOLOv5n 在低功耗消耗下实现了更高的帧率(12.34fps),达到了更为优秀的表现 - 一种面向网络目标的端到端集成计算和通信架构:对现场监控视频的视角
本研究提出一种基于情景感知的实时流式传输方案,以实时识别重要事件和降低发射功率。该方案主要利用少量隐藏层的小型神经网络在源端对特定情景下的帧进行高重要性分配,并将高重要性的帧与一定信噪比的低重要性帧同时流式传输,在接收端进行深度神经网络分析 - 低温神经形态硬件
本文综述了低温神经形态计算硬件的现状,包括分类、性能指标和应用等方面,并提出了解决当前挑战的思路。
- HEAM:用于深度神经网络的高效近似乘法器优化
本研究提出了一种针对近似乘法器的优化方法,通过操作数分布最小化平均误差。我们的方法在 DNN 中获得比已有的最佳近似乘法器高达 50.24% 的精度、15.76% 更小的面积、25.05% 较少的电功率消耗和 3.50% 较短的延迟。与精确 - MMCHAMP: 一种相干的硬件感知的光子集成神经网络稀疏化方法
本文提出了一种新颖的针对相干光子神经网络的硬件感知幅值剪枝技术,该技术可以剪枝掉网络参数的 99.45%,并将静态功耗降低了 98.23%,同时精度损失可以忽略不计。
- 2022 神经形态计算与工程路线图
该研究报告介绍了神经形态计算技术的现状、挑战和机遇,并探讨其在材料、设备、电路、算法、应用和伦理等领域的未来应用发展,旨在为读者提供有价值的资源。
- 一种新的通信范式:从位准确性到语义保真度
利用语义分析方法,在保证语义保真度高的前提下,提高了无线通信的通信效率。
- MM网络容量扩展辅以不可靠机器学习预测
本文介绍了一种名为 Adaptive Balanced Capacity Scaling (ABCS) 的算法,该算法能够通过使用基于机器学习的预测来适应并减小数据中心的能耗和交换成本,同时保持足够的预测精度和竞争比率,相关的实验结果也证明 - 住宅智能电网中智能负载调度的分布式深度强化学习
论文介绍了一个利用分布式深度强化学习模型实现智能管理家庭用电的方法,这个方法可以保护用户隐私,以降低电网运营成本,减少家庭用电费用,实现用电峰谷负荷比例和负荷方差分别降低 12% 和 11% 的效果。
- AAAI低功耗 CNN 加速器设备上多模态情感分析的超级字符方法
本篇论文介绍了一种在低功耗、低成本计算平台 CNN-DSA 上实现超级字符方法(Super Characters method)并利用多模数据(text plus tabular data)的方法,以解决在部署 NLP 系统中所面临的高功耗 - 基于可重构智能表面的无线通信:天线设计、原型制作和实验结果
本文提出并研发了一种具有 256 元件的新型高增益,低成本可重构智能表面,它结合了相移和辐射的功能,采用 PIN 二极管实现了 2 位相移。基于此设计,开发了世界上第一个使用有 256 个 2 位元件的可重构智能表面的无线通信原型,并确证了 - 机器学习加速器调查和基准测试
本文研究了公开宣布具有性能和功耗数字的多核处理器和加速器的现状,发现其中一些趋势,包括功耗、数字精度以及推理与训练等方面的趋势,并选择并测试了两个低尺寸、重量和功率的商用加速器的实际表现,将其与报道的性能和功耗数值进行比较,并将其与嵌入式应 - MM无人机可见光通信(VLC)的节能方案
该研究提出了一种利用可见光通信(VLC)与无人机(UAVs)相结合的新方法,以同时提供灵活的通信和照明。通过优化无人机位置和单元格关联以尽量降低功耗,该方法可以将总传输功率消耗降至少 53.8%。
- 云机器人网络卸载策略:基于学习的方法
本研究提出了一种针对资源受限型机器人的重要问题:如何在提高精度和减少云端通信成本之间进行权衡,在机器人不确定时何时和如何卸载任务,使用深度强化学习的解决方案可以显著改善任务性能和减少通信成本。
- MONAS: 使用强化学习进行多目标神经架构搜索
提出了一种基于多目标奖励函数的神经网络架构搜索框架 MONAS,可以用来优化神经网络预测准确率,同时满足功耗等其他重要目标。实验结果表明,与现有技术相比,使用 MONAS 找到的模型可以在计算机视觉应用中获得相当或更好的分类准确性,同时满足 - BLASYS:使用布尔矩阵分解的近似逻辑综合
该论文提出了一种新的用于综合近似电路的技术,采用布尔矩阵分解对电路子电路的真值表进行逼近,以获取更低复杂度的子电路,实验表明此方法可在不影响准确度的情况下,节约高达 63% 的功耗。