Buchumschlag

Efficient FPGA Implementation of Time-Domain Popcount for Low-Complexity Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Duan, Shengyu, Sartori, Marcos L. L., Shafik, Rishad, Yakovlev, Alex, Ozer, Emre
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Hardware Architecture
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TsetlinWiSARD: On-Chip Training of Weightless Neural Networks using Tsetlin Automata on FPGAs
von: Duan, Shengyu, et al.
Veröffentlicht: (2026)

Runtime Tunable Tsetlin Machines for Edge Inference on eFPGAs
von: Rahman, Tousif, et al.
Veröffentlicht: (2025)

MATADOR: Automated System-on-Chip Tsetlin Machine Design Generation for Edge Applications
von: Rahman, Tousif, et al.
Veröffentlicht: (2024)

Dynamic Tsetlin Machine Accelerators for On-Chip Training at the Edge using FPGAs
von: Mao, Gang, et al.
Veröffentlicht: (2025)

An All-digital 8.6-nJ/Frame 65-nm Tsetlin Machine Image Classification Accelerator
von: Tunheim, Svein Anders, et al.
Veröffentlicht: (2025)

IMPACT:InMemory ComPuting Architecture Based on Y-FlAsh Technology for Coalesced Tsetlin Machine Inference
von: Ghazal, Omar, et al.
Veröffentlicht: (2024)

In-Memory Learning Automata Architecture using Y-Flash Cell
von: Ghazal, Omar, et al.
Veröffentlicht: (2024)

Memory-Efficient FPGA Implementation of Stochastic Simulated Annealing
von: Shin, Duckgyu, et al.
Veröffentlicht: (2026)

A Cost-Efficient FPGA Implementation of Tiny Transformer Model using Neural ODE
von: Okubo, Ikumi, et al.
Veröffentlicht: (2024)

FPGA-Enabled Machine Learning Applications in Earth Observation: A Systematic Review
von: Léonard, Cédric, et al.
Veröffentlicht: (2025)

Online Learning Extreme Learning Machine with Low-Complexity Predictive Plasticity Rule and FPGA Implementation
von: Zang, Zhenya, et al.
Veröffentlicht: (2025)

PolyLUT: Learning Piecewise Polynomials for Ultra-Low Latency FPGA LUT-based Inference
von: Andronic, Marta, et al.
Veröffentlicht: (2023)

An FPGA-Based Reconfigurable Accelerator for Convolution-Transformer Hybrid EfficientViT
von: Shao, Haikuo, et al.
Veröffentlicht: (2024)

An FPGA-Based Accelerator Enabling Efficient Support for CNNs with Arbitrary Kernel Sizes
von: Wang, Miaoxin, et al.
Veröffentlicht: (2024)

FPGA Co-Design for Efficient N:M Sparse and Quantized Model Inference
von: Hsieh, Fen-Yu, et al.
Veröffentlicht: (2025)

ETHEREAL: Energy-efficient and High-throughput Inference using Compressed Tsetlin Machine
von: Duan, Shengyu, et al.
Veröffentlicht: (2025)

Exploring FPGA designs for MX and beyond
von: Samson, Ebby, et al.
Veröffentlicht: (2024)

PEFSL: A deployment Pipeline for Embedded Few-Shot Learning on a FPGA SoC
von: Ribeiro, Lucas Grativol, et al.
Veröffentlicht: (2024)

Exploiting temporal parallelism for LSTM Autoencoder acceleration on FPGA
von: Leftheriotis, Aimilios, et al.
Veröffentlicht: (2026)

An FPGA-Based SoC Architecture with a RISC-V Controller for Energy-Efficient Temporal-Coding Spiking Neural Networks
von: Sekonji, Mohammad Javad, et al.
Veröffentlicht: (2026)

LUT-DLA: Lookup Table as Efficient Extreme Low-Bit Deep Learning Accelerator
von: Li, Guoyu, et al.
Veröffentlicht: (2025)

Efficient Implementation of LinearUCB through Algorithmic Improvements and Vector Computing Acceleration for Embedded Learning Systems
von: Angioli, Marco, et al.
Veröffentlicht: (2025)

Hardware-Aware Neural Dropout Search for Reliable Uncertainty Prediction on FPGA
von: Zhang, Zehuan, et al.
Veröffentlicht: (2024)

InstantFT: An FPGA-Based Runtime Subsecond Fine-tuning of CNN Models
von: Sugiura, Keisuke, et al.
Veröffentlicht: (2025)

Embedded FPGA Developments in 130nm and 28nm CMOS for Machine Learning in Particle Detector Readout
von: Gonski, Julia, et al.
Veröffentlicht: (2024)

A Persistent-State Dataflow Accelerator for Memory-Bound Linear Attention Decode on FPGA
von: Gupta, Neelesh, et al.
Veröffentlicht: (2026)

Energy-Aware FPGA Implementation of Spiking Neural Network with LIF Neurons
von: Ali, Asmer Hamid, et al.
Veröffentlicht: (2024)

Low-latency machine learning FPGA accelerator for multi-qubit-state discrimination
von: Gautam, Pradeep Kumar, et al.
Veröffentlicht: (2024)

Energy Efficient Software Hardware CoDesign for Machine Learning: From TinyML to Large Language Models
von: Vahdatpour, Mohammad Saleh, et al.
Veröffentlicht: (2026)

Evaluating Four FPGA-accelerated Space Use Cases based on Neural Network Algorithms for On-board Inference
von: Antunes, Pedro, et al.
Veröffentlicht: (2026)

Algorithm and Hardware Co-Design for Efficient Complex-Valued Uncertainty Estimation
von: Zhang, Zehuan, et al.
Veröffentlicht: (2026)

Exploring Parallelism in FPGA-Based Accelerators for Machine Learning Applications
von: Centeno, Sed, et al.
Veröffentlicht: (2025)

Ultra Memory-Efficient On-FPGA Training of Transformers via Tensor-Compressed Optimization
von: Tian, Jiayi, et al.
Veröffentlicht: (2025)

Fast, Scalable, Energy-Efficient Non-element-wise Matrix Multiplication on FPGA
von: Zhu, Xuqi, et al.
Veröffentlicht: (2024)

FPGA Divide-and-Conquer Placement using Deep Reinforcement Learning
von: Wang, Shang, et al.
Veröffentlicht: (2024)

SetupKit: Efficient Multi-Corner Setup/Hold Time Characterization Using Bias-Enhanced Interpolation and Active Learning
von: Zhou, Junzhuo, et al.
Veröffentlicht: (2025)

The Feasibility of Implementing Large-Scale Transformers on Multi-FPGA Platforms
von: Gao, Yu, et al.
Veröffentlicht: (2024)

Accelerating Computer Architecture Simulation through Machine Learning
von: Ali, Wajid, et al.
Veröffentlicht: (2024)

LUTMUL: Exceed Conventional FPGA Roofline Limit by LUT-based Efficient Multiplication for Neural Network Inference
von: Xie, Yanyue, et al.
Veröffentlicht: (2024)

EVA: Accelerating LLM Decoding via an Efficient Vector Quantization Architecture
von: Duan, Bowen, et al.
Veröffentlicht: (2026)