檢索結果:共6筆資料 檢索策略: "neural network".ekeyword (精準) and cadvisor.raw="陳雅淑"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
分散式邊緣運算相較於雲端運算而言能夠提供較低的傳輸開銷和更高的隱私性,使用上變得越來越受歡迎。然而,每個邊緣裝置的有限運算能力以及對神經網路的高計算需求,使得分散式邊緣運算變得更加困難。在本研究中,…
2
能源採集智慧物聯網設備提供系統永續性,並克服不穩定的傳輸挑戰。然而,在能源採集設備上執行多個深度神經網絡推理引來排程與資源管理的挑戰。為了保持微控制器和加速器之間的數據一致性,推理任務通常是不可搶占…
3
電阻式記憶體成為加速嵌入式系統中神經網路推理的新興解決方案。為了减少神經網路的延遲,所有預先訓練好的權重會先寫入在電阻式記憶體中,以執行神經網路的推理階段。 然而,由於部署的神經網路數據依賴性,常導…
4
電阻式記憶體的特性提供了在記憶體內運算的可能性,被視為加速神經網路運算的解決方案。為了應付神經網路中大量的向量矩陣相乘運算,周邊電路被使用於組織大量的電阻式記憶體元件,使其形成能提供高度平行化的記憶…
5
電阻式隨機存取記憶體(ReRAM)已經成為一種有潛力的解決方案,通過在記憶體中進行處理的操作來加速深度神經網路(DNN)的推理。然而,在這樣的加速器上實施多個神經網路推理會遇到資源分配和調度問題。在…
6
ReRAM加速器的輸出量受神經網路的資料相依性影響,導致硬體利用率降低。為了解決這個問題,我們提出了一個LAS引擎,其中包括多個神經網路之間的資源分配,每層的權重映射,以及用於進一步回收未使用資源的…