Buchumschlag

FPGA-Enabled Machine Learning Applications in Earth Observation: A Systematic Review

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Léonard, Cédric, Stober, Dirk, Schulz, Martin
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

Efficient FPGA Implementation of Time-Domain Popcount for Low-Complexity Machine Learning
von: Duan, Shengyu, et al.
Veröffentlicht: (2025)

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

Design of an FPGA-Based Neutral Atom Rearrangement Accelerator for Quantum Computing
von: Guo, Xiaorang, et al.
Veröffentlicht: (2024)

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

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

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

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

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

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

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

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

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

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

FPGA-based Acceleration for Convolutional Neural Networks: A Comprehensive Review
von: Jiang, Junye, et al.
Veröffentlicht: (2025)

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

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)

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

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

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)

Continuous-Flow Data-Rate-Aware CNN Inference on FPGA
von: Habermann, Tobias, et al.
Veröffentlicht: (2026)

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

HLSFactory: A Framework Empowering High-Level Synthesis Datasets for Machine Learning and Beyond
von: Abi-Karam, Stefan, et al.
Veröffentlicht: (2024)

Review of Machine Learning for Micro-Electronic Design Verification
von: Bennett, Christopher, et al.
Veröffentlicht: (2025)

CapBench: A Multi-PDK Dataset for Machine-Learning-Based Post-Layout Capacitance Extraction
von: Rodriguez, Hector R., et al.
Veröffentlicht: (2026)

BDD2Seq: Enabling Scalable Reversible-Circuit Synthesis via Graph-to-Sequence Learning
von: Miao, Mingkai, et al.
Veröffentlicht: (2025)

TCL: Enabling Fast and Efficient Cross-Hardware Tensor Program Optimization via Continual Learning
von: Shen, Chaoyao, et al.
Veröffentlicht: (2026)

Security Risks in Machining Process Monitoring: Sequence-to-Sequence Learning for Reconstruction of CNC Axis Positions
von: Krupp, Lukas, et al.
Veröffentlicht: (2026)

Improving Simulation Regression Efficiency using a Machine Learning-based Method in Design Verification
von: Gadde, Deepak Narayan, et al.
Veröffentlicht: (2024)

DG-RePlAce: A Dataflow-Driven GPU-Accelerated Analytical Global Placement Framework for Machine Learning Accelerators
von: Kahng, Andrew B., et al.
Veröffentlicht: (2024)

Efficient and Mathematically Robust Operations for Certified Neural Networks Inference
von: Geyer, Fabien, et al.
Veröffentlicht: (2024)

ElfCore: A 28nm Neural Processor Enabling Dynamic Structured Sparse Training and Online Self-Supervised Learning with Activity-Dependent Weight Update
von: Su, Zhe, et al.
Veröffentlicht: (2025)

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

From Principles to Practice: A Systematic Study of LLM Serving on Multi-core NPUs
von: Zhu, Tianhao, et al.
Veröffentlicht: (2025)

TRINE: A Token-Aware, Runtime-Adaptive FPGA Inference Engine for Multimodal AI
von: Oh, Hyunwoo, et al.
Veröffentlicht: (2026)

PolyLUT-Add: FPGA-based LUT Inference with Wide Inputs
von: Lou, Binglei, et al.
Veröffentlicht: (2024)

CIMFlow: An Integrated Framework for Systematic Design and Evaluation of Digital CIM Architectures
von: Qi, Yingjie, et al.
Veröffentlicht: (2025)

Enabling Long FFT Convolutions on Memory-Constrained FPGAs via Chunking
von: Wang, Peter, et al.
Veröffentlicht: (2025)

FERIVer: An FPGA-assisted Emulated Framework for RTL Verification of RISC-V Processors
von: Qin, Kun, et al.
Veröffentlicht: (2025)

FiCABU: A Fisher-Based, Context-Adaptive Machine Unlearning Processor for Edge AI
von: Cho, Eun-Su, et al.
Veröffentlicht: (2025)