مقاله کنفرانسی سال ۱۴۰۱ فارسی

بررسی پیاده سازی سخت افزاری شبکه های عصبی با استفاده از روش هایمحاسباتی غیردقیق

چکیده مقاله

انواع مختلف شبکه های عصبی NN۵s در انواع کاربردهای یادگیری ماشین مانند پردازش تصویر، تشخیص گفتار، پردازش ویدیو و غیرهبسیار استفاده می شوند، اما با توجه به تعداد محاسبات پیچیده و زیاد، انرژی و فضای زیادی مصرف می کنند از آنجایی که شبکه های عصبی تحمیل پذیری خطای زیادی دارند، استفاده از محاسبات تصادفی و تقریبی در پیاده سازی آن ها بسیار محبوب است زیرا اگرچه کمی دقت را کاهش می دهند، اما توان و همچنین فضای مصرفی را نیز کاهش می دهند در این مقاله قصد داریم انواع مختلفی از NN ها را بررسی کنیم که با استفاده از روش های محاسباتی تقریبی و تصادفی پیاده سازی می شوند که در آن انرژی مصرفی کاهش یافته و کارایی سختافزار در مقایسه با کارهایی با روش های محاسباتی دقیق بهبود یافته است

کلیدواژه‌ها

محاسبات تصادفی (SC۶) محاسبات تقریبی شبکه های عصبی NN محاسبات تصادفی SC۶

نویسندگان

تصویر تینا مسعودی

تینا مسعودی

دانشجوی کارشناسی ارشد معماری و شبکه های کامپیوتری

شیوه ارجاع

مسعودی، تینا و منوچهری کلانتری، کوروش و رحمتی، محمد و شاه حسینی، مرضیه،1401،بررسی پیاده سازی سخت افزاری شبکه های عصبی با استفاده از روش هایمحاسباتی غیردقیق،اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوع�

ارائه‌شده در

پوستر مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی8 اسفند 1402 · اهواز
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۱ ۱,۲۴۶ مشاهده

تشخیص تومور مغزی با رویکرد یادگیری عمیق و مکانیزم توجه با استفاده از تصاویر چندوجهیMRI

شناسایی زودهنگام و موفقیت آمیز تومورهای مغزی نقش مهمی در بهبود نتایج درمان و بقای بیمار دارد در حال حاضر…

ام آر آییادگیری عمیقتومور مغزی
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مروری بر تکنیک های هوش مصنوعی در خودروهای الکتریکی خودران

سیستم های رانندگی خودکار ADS دامنه ای جدید برای صنعت خودرو باز کرده و امکانات نوینی را برای حمل ونقل آین…

LiDARسیستم های خودرانوسایل نقلیه خودران
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مقایسه عملکرد دو مدل شبکه عصبی عمیق BiLSTM و CNN در پیش بینی قیمت سهام (مطالعه موردی: بورس اوراق بهادار تهران)

شبکه های عصبی به عنوان یک پیشرفت تکنولوژیک در زمینه یادگیری عمیق به ویژه در پردازش داده هایساختار بافته…

یادگیری عمیقشبکه های عصبیپیش بینی قیمت سهام
مقاله کنفرانسی سال ۱۴۰۱ ۹۴۲ مشاهده

مروری بر سیستم های توصیه گر مبتنی بر گراف دانش

در سال های اخیر با توجه به رشد روزافزون حجم داده ها در بسترهای مختلف، استفاده از سیستم توصیه گر برای کمک…

گراف دانشفاکتورسازی ماتریسسیستم های توصیه گر
مقاله کنفرانسی سال ۱۴۰۱ ۸۰۸ مشاهده

بهبود روش LIME با نمونه برداری هوشمند و غیر قطعی

LIME یکی از محبوب ترین مدل های هوش مصنوعی توضیح پذیر XAI ، است که سعی در شفاف سازی دلایل تصیم گیری مدل ه…

ثباتوفاداریروشLIME
مقاله کنفرانسی سال ۱۴۰۱ ۷۶۵ مشاهده

سامانه توصیه گر مبتنی بر گراف دانش با استفاده از شبکه عصبی کانولوشن

استفاده از گراف دانش به عنوان اطلاعات جانبی در سامانه های توصیه گر مدرن به طور گسترده افزایش پیدا کرده ا…

گراف دانشسامانه توصیه گرشبکه عصبی کانولوشن