:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mousavi, Seyedhamidreza, Ahmadilivani, Mohammad Hasan, Raik, Jaan, Jenihhin, Maksim, Daneshtalab, Masoud
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2406.06313
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cost-Effective Fault Tolerance for CNNs Using Parameter Vulnerability Based Hardening and Pruning
von: Ahmadilivani, Mohammad Hasan, et al.
Veröffentlicht: (2024)

DeepVigor+: Scalable and Accurate Semi-Analytical Fault Resilience Analysis for Deep Neural Network
von: Ahmadilivani, Mohammad Hasan, et al.
Veröffentlicht: (2024)

ProARD: progressive adversarial robustness distillation: provide wide range of robust students
von: Mousavi, Seyedhamidreza, et al.
Veröffentlicht: (2025)

Exploration of Activation Fault Reliability in Quantized Systolic Array-Based DNN Accelerators
von: Taheri, Mahdi, et al.
Veröffentlicht: (2024)

Effective and Memory-Efficient Alternatives to ECC for Reliable Large-Scale DNNs
von: Ahmadilivani, Mohammad Hasan, et al.
Veröffentlicht: (2026)

SAFFIRA: a Framework for Assessing the Reliability of Systolic-Array-Based DNN Accelerators
von: Taheri, Mahdi, et al.
Veröffentlicht: (2024)

AdAM: Adaptive Fault-Tolerant Approximate Multiplier for Edge DNN Accelerators
von: Taheri, Mahdi, et al.
Veröffentlicht: (2024)

Cross-Layer Co-Optimized LSTM Accelerator for Real-Time Gait Analysis
von: Ahmadilivani, Mohammad Hasan, et al.
Veröffentlicht: (2026)

Contextual Range-View Projection for 3D LiDAR Point Clouds
von: Mousavi, Seyedali, et al.
Veröffentlicht: (2026)

An Efficient Architecture for Edge AI Federated Learning With Homomorphic Encryption
von: Rahbari, Dadmehr, et al.
Veröffentlicht: (2025)

AdAM: Adaptive Approximate Multiplier for Fault Tolerance in DNN Accelerators
von: Taheri, Mahdi, et al.
Veröffentlicht: (2024)

Hessian-aware Training for Enhancing DNNs Resilience to Parameter Corruptions
von: Prato, Tahmid Hasan, et al.
Veröffentlicht: (2025)

DART: Input-Difficulty-AwaRe Adaptive Threshold for Early-Exit DNNs
von: Patne, Parth, et al.
Veröffentlicht: (2026)

DeepFedNAS: Efficient Hardware-Aware Architecture Adaptation for Heterogeneous IoT Federations via Pareto-Guided Supernet Training
von: Khan, Bostan, et al.
Veröffentlicht: (2026)

FORTALESA: Fault-Tolerant Reconfigurable Systolic Array for DNN Inference
von: Cherezova, Natalia, et al.
Veröffentlicht: (2025)

ProAct: Agentic Lookahead in Interactive Environments
von: Yu, Yangbin, et al.
Veröffentlicht: (2026)

Special Session: In-Field ML-Assisted Intermittent Fault Localization and Management in RISC-V SoCs
von: Selg, Hardi, et al.
Veröffentlicht: (2024)

ReCycle: Resilient Training of Large DNNs using Pipeline Adaptation
von: Gandhi, Swapnil, et al.
Veröffentlicht: (2024)

DASS: Differentiable Architecture Search for Sparse neural networks
von: Mousavi, Hamid, et al.
Veröffentlicht: (2022)

How Controlling the Variance can Improve Training Stability of Sparsely Activated DNNs and CNNs
von: Dent, Emily, et al.
Veröffentlicht: (2026)

SPARQ: Spiking Early-Exit Neural Networks for Energy-Efficient Edge AI
von: Patne, Parth, et al.
Veröffentlicht: (2026)

ProAct: A Dual-System Framework for Proactive Embodied Social Agents
von: Zhang, Zeyi, et al.
Veröffentlicht: (2026)

ProAct: A Benchmark and Multimodal Framework for Structure-Aware Proactive Response
von: Zhu, Xiaomeng, et al.
Veröffentlicht: (2026)

Attack logics, not outputs: Towards efficient robustification of deep neural networks by falsifying concept-based properties
von: Dankworth, Raik, et al.
Veröffentlicht: (2025)

SoftAdaClip: A Smooth Clipping Strategy for Fair and Private Model Training
von: Soleymani, Dorsa, et al.
Veröffentlicht: (2025)

Balancing Robustness and Efficiency in Embedded DNNs Through Activation Function Selection
von: Gutiérrez-Zaballa, Jon, et al.
Veröffentlicht: (2025)

DNNs, Dataset Statistics, and Correlation Functions
von: Batterman, Robert W., et al.
Veröffentlicht: (2025)

CompAct: Compressed Activations for Memory-Efficient LLM Training
von: Shamshoum, Yara, et al.
Veröffentlicht: (2024)

To Clip or not to Clip: the Dynamics of SGD with Gradient Clipping in High-Dimensions
von: Marshall, Noah, et al.
Veröffentlicht: (2024)

Efficient Noise Mitigation for Enhancing Inference Accuracy in DNNs on Mixed-Signal Accelerators
von: Azizi, Seyedarmin, et al.
Veröffentlicht: (2024)

MuCon: Clipped Muon Updates for LLM Training
von: Yi, Albert
Veröffentlicht: (2026)

Variance-Aware Noisy Training: Hardening DNNs against Unstable Analog Computations
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

DeepKoopFormer: A Koopman Enhanced Transformer Based Architecture for Time Series Forecasting
von: Forootani, Ali, et al.
Veröffentlicht: (2025)

RepAct: The Re-parameterizable Adaptive Activation Function
von: Wu, Xian, et al.
Veröffentlicht: (2024)

Robust and Fast Training via Per-Sample Clipping
von: Nobile, Davide, et al.
Veröffentlicht: (2026)

On Hardening DNNs against Noisy Computations
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

Enhancing Sentiment Analysis in Bengali Texts: A Hybrid Approach Using Lexicon-Based Algorithm and Pretrained Language Model Bangla-BERT
von: Mahmud, Hemal, et al.
Veröffentlicht: (2024)

EPAS: Efficient Training with Progressive Activation Sharing
von: Karim, Rezaul, et al.
Veröffentlicht: (2026)

TinyTrain: Resource-Aware Task-Adaptive Sparse Training of DNNs at the Data-Scarce Edge
von: Kwon, Young D., et al.
Veröffentlicht: (2023)

Complexity of One-Dimensional ReLU DNNs
von: Kogan, Jonathan, et al.
Veröffentlicht: (2025)