• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Joint Conference on Neural Networks >Low-Consumption Neuromorphic Memristor Architecture Based on Convolutional Neural Networks
【24h】

Low-Consumption Neuromorphic Memristor Architecture Based on Convolutional Neural Networks

机译：基于卷积神经网络的低功耗神经形态忆阻器架构

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

With the rapid development of VLSI industry, the research of intelligent applications moves towards IoT edge computing. While the power consumption and area cost of deep neural networks usually exceed the hardware limitation of edge devices. In this paper, we propose a low-power neural network architecture to address such problem. We simplify the current popular convolutional neural networks structure, and utilize the memristor crossbar to store weights to execute convolution operation in parallel, and we present the spiking convolutional neural networks. At the same time, we proposed a performance metrics V to help provide design guidelines for choosing the parameters of the network.
机译：随着超大规模集成电路产业的快速发展，智能应用的研究向物联网边缘计算发展。虽然深度神经网络的功耗和面积成本通常超过边缘设备的硬件限制。在本文中，我们提出了一种低功耗神经网络架构来解决此类问题。我们简化了当前流行的卷积神经网络结构，并利用忆阻器交叉开关存储权重以并行执行卷积运算，并提出了尖峰的卷积神经网络。同时，我们提出了性能指标V，以帮助提供有关选择网络参数的设计准则。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号