中文 英语

解决物质波光刻反问题的ML体系结构:LACENET


最近,卑尔根大学(挪威)的研究人员发表了一篇题为“通过机器学习生成物质波光刻的逼真掩模”的技术论文。摘要:“快速生产具有纳米分辨率的大面积图案对于现有的半导体行业以及实现下一代量子器件的工业规模生产至关重要。Metasta……»阅读更多

CNN模型的基于sot - mram的CIM体系结构


新研究论文“基于自旋轨道转矩MRAM的卷积神经网络内存计算架构”,来自国立台湾大学,冯嘉大学,中山大学。“最近,许多研究研究了用于神经网络克服内存瓶颈的内存计算(CIM)架构。由于其低延时、高能量…»阅读更多

新型神经处理器处理新兴的神经网络


十年前,运行在gpu上的深度学习卷积神经网络(CNN)模型AlexNet取代了更传统的视觉处理算法,赢得了ImageNet大规模视觉识别大赛(ILSVRC)。AlexNet及其后继者在对象分类精度方面提供了显著的改进,但代价是高度的计算复杂性和大的数据量。»阅读更多

人工智能深度学习用于三维IC可靠性预测


国立阳明交通大学,国家高性能计算中心(台湾),东海大学,MA-Tek公司和加州大学洛杉矶分校的新研究。摘要三维集成电路(3D IC)技术近年来因摩尔最小化定律在二维集成电路中的应用日趋成熟而受到广泛关注。»阅读更多

可定制的基于fpga的硬件加速器,用于标准卷积过程,支持应用于激光雷达数据的量化


“近年来,用于无人驾驶车辆的物体检测的深度学习解决方案的研究和开发有所增加。该应用受益于创新感知解决方案(如激光雷达传感器)的增长趋势。目前,这是自动驾驶汽车完成这些任务的首选设备。有一个兄弟……»阅读更多

嵌入式GPU热成像平台在车辆辅助系统中的应用评估


“本研究通过将训练好的网络部署在GPU和单板EDGE-GPU计算平台上,用于车载传感器套件测试,重点评估智能安全车载系统热目标检测的实时性能。一个由> 35000个不同帧组成的新型大规模热数据集被获取,处理,并在挑战中开源…»阅读更多

量子卷积神经网络中不存在贫瘠高原


摘要:量子神经网络(QNNs)在高效分析量子数据的可能性方面引起了人们的兴奋。但是对于许多QNN建筑来说,这种兴奋已经被指数级消失的梯度的存在所缓和,被称为贫瘠的高原景观。最近,量子卷积神经网络(QCNNs)被提出,它涉及一个卷积序列。»阅读更多

从加速感知ML模型设计中获得更好的边缘性能和效率


机器学习技术的出现得益于gpu、tpu和fpga等加速技术的使用。事实上,如果没有加速技术的使用,机器学习很可能仍然停留在学术界的范围内,不会产生今天在我们世界上的影响。显然,机器学习已经成为解决……的重要工具。»阅读更多

一周回顾:制造,测试


为了解决持续的全球芯片短缺问题,美国商务部上月底发起了一项“信息请求(RFI)”倡议,其中包括向多家半导体公司发送问卷。美国政府要求供应链的所有环节——生产商、消费者和中间商——自愿分享……»阅读更多

新利体育在线完整版软硬件协同设计成为现实新利娱乐群


在过去的20年里,油气行业一直在寻求硬件/软件协同设计的概念。在取得进展的同时,软件/硬件协同设计似乎有着更加光明的未来。为了理解这两种方法之间的区别,有必要定义一些基础知识。硬件/软件协同设计本质上是一个自下而上的过程,其中硬件是开发的…»阅读更多

←老帖子
Baidu