Buchumschlag

ReLANCE: A Resource-Efficient Low-Latency Cortical Neural Acceleration Engine

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kumar, Sonu, Nair, Arjun S., Chaudhary, Bhawna, Lokhande, Mukul, Vishvakarma, Santosh Kumar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Neural and Evolutionary Computing Hardware Architecture
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

L-SPINE: A Low-Precision SIMD Spiking Neural Compute Engine for Resource-efficient Edge Inference
von: Kumar, Sonu, et al.
Veröffentlicht: (2026)

RAMAN: Resource-efficient ApproxiMate Posit Processing for Algorithm-Hardware Co-desigN
von: Khan, Mohd Faisal, et al.
Veröffentlicht: (2025)

E-ReCON: An Energy- and Resource-Efficient Precision-Configurable Sparse nvCIM Macro for Conventional and Spiking Neural Edge Inference
von: Tenwar, Ankit Kumar, et al.
Veröffentlicht: (2026)

CORVET: A CORDIC-Powered, Resource-Frugal Mixed-Precision Vector Processing Engine for High-Throughput AIoT applications
von: Kumar, Sonu, et al.
Veröffentlicht: (2026)

CARMEN: CORDIC-Accelerated Resource-Efficient Multi-Precision Inference Engine for Deep Learning
von: Kumar, Sonu, et al.
Veröffentlicht: (2026)

HENNC: Hardware Engine for Artificial Neural Network-based Chaotic Oscillators
von: Vaziri, Mobin, et al.
Veröffentlicht: (2024)

A Deep Neural Network Deployment Based on Resistive Memory Accelerator Simulation
von: Maram, Tejaswanth Reddy, et al.
Veröffentlicht: (2023)

A Reconfigurable Stream-Based FPGA Accelerator for Bayesian Confidence Propagation Neural Networks
von: Hafiz, Muhammad Ihsan Al, et al.
Veröffentlicht: (2025)

UniSpike: Accelerating Spiking Neural Networks on Neuromorphic Systems via Eliminating Address Redundancy
von: Xing, Qinghui, et al.
Veröffentlicht: (2026)

FlexNN: A Dataflow-aware Flexible Deep Learning Accelerator for Energy-Efficient Edge Devices
von: Raha, Arnab, et al.
Veröffentlicht: (2024)

SNAP-V: A RISC-V SoC with Configurable Neuromorphic Acceleration for Small-Scale Spiking Neural Networks
von: Gunawardana, Kanishka, et al.
Veröffentlicht: (2026)

Catwalk: Unary Top-K for Efficient Ramp-No-Leak Neuron Design for Temporal Neural Networks
von: Lister, Devon, et al.
Veröffentlicht: (2025)

Spiking Transformer Hardware Accelerators in 3D Integration
von: Xu, Boxun, et al.
Veröffentlicht: (2024)

Bio-RV: Low-Power Resource-Efficient RISC-V Processor for Biomedical Applications
von: Sharma, Vijay Pratap, et al.
Veröffentlicht: (2026)

NeuroFlex: Column-Exact ANN-SNN Co-Execution Accelerator with Cost-Guided Scheduling
von: Manjunath, Varun, et al.
Veröffentlicht: (2025)

Flexi-NeurA: A Configurable Neuromorphic Accelerator with Adaptive Bit-Precision Exploration for Edge SNNs
von: Farahani, Mohammad, et al.
Veröffentlicht: (2026)

SPADE: A SIMD Posit-enabled compute engine for Accelerating DNN Efficiency
von: Kumar, Sonu, et al.
Veröffentlicht: (2026)

Resource-Efficient and Robust Inference of Deep and Bayesian Neural Networks on Embedded and Analog Computing Platforms
von: Klein, Bernhard
Veröffentlicht: (2025)

POLARON: Precision-aware On-device Learning and Adaptive Runtime-cONfigurable AI acceleration
von: Lokhande, Mukul, et al.
Veröffentlicht: (2025)

Functional Stability of Software-Hardware Neural Network Implementation The NeuroComp Project
von: Oleksii, Bychkov, et al.
Veröffentlicht: (2025)

Hardware-Aware Model Design and Training of Silicon-based Analog Neural Networks
von: Filippeschi, Giulio, et al.
Veröffentlicht: (2025)

Wet TinyML: Chemical Neural Network Using Gene Regulation and Cell Plasticity
von: Somathilaka, Samitha, et al.
Veröffentlicht: (2024)

An Efficient Multicast Addressing Encoding Scheme for Multi-Core Neuromorphic Processors
von: Su, Zhe, et al.
Veröffentlicht: (2024)

Core Placement Optimization of Many-core Brain-Inspired Near-Storage Systems for Spiking Neural Network Training
von: Zhu, Xueke, et al.
Veröffentlicht: (2024)

E2ATST: A Temporal-Spatial Optimized Energy-Efficient Architecture for Training Spiking Transformer
von: Ma, Yunhao, et al.
Veröffentlicht: (2025)

Analysis of a Memcapacitor-Based for Neural Network Accelerator Framework
von: Singh, Ankur, et al.
Veröffentlicht: (2025)

Trilinear Compute-in-Memory Architecture for Energy-Efficient Transformer Acceleration
von: Mia, Md Zesun Ahmed, et al.
Veröffentlicht: (2026)

SRAM-Based Compute-in-Memory Accelerator for Linear-decay Spiking Neural Networks
von: Shang, Hongyang, et al.
Veröffentlicht: (2026)

HYDRA: Hybrid Data Multiplexing and Run-time Layer Configurable DNN Accelerator
von: Kumar, Sonu, et al.
Veröffentlicht: (2024)

Towards Topology-Aware Very Large-Scale Photonic AI Accelerators
von: Jahannia, Belal, et al.
Veröffentlicht: (2026)

HOAA: Hybrid Overestimating Approximate Adder for Enhanced Performance Processing Engine
von: Kokane, Omkar, et al.
Veröffentlicht: (2024)

SpikeX: Exploring Accelerator Architecture and Network-Hardware Co-Optimization for Sparse Spiking Neural Networks
von: Xu, Boxun, et al.
Veröffentlicht: (2025)

SpiDR: A Reconfigurable Digital Compute-in-Memory Spiking Neural Network Accelerator for Event-based Perception
von: Sharma, Deepika, et al.
Veröffentlicht: (2024)

Fast Algorithms for Spiking Neural Network Simulation with FPGAs
von: Lindqvist, Björn A., et al.
Veröffentlicht: (2024)

Hybrid Synaptic Structure for Spiking Neural Network Realization
von: Razmkhah, Sasan, et al.
Veröffentlicht: (2023)

Explicit Sign-Magnitude Encoders Enable Power-Efficient Multipliers
von: Arnold, Felix, et al.
Veröffentlicht: (2025)

Hardware-Friendly Implementation of Physical Reservoir Computing with CMOS-based Time-domain Analog Spiking Neurons
von: Kimura, Nanako, et al.
Veröffentlicht: (2024)

Darwin3: A large-scale neuromorphic chip with a Novel ISA and On-Chip Learning
von: Ma, De, et al.
Veröffentlicht: (2023)

Memory Wall is not gone: A Critical Outlook on Memory Architecture in Digital Neuromorphic Computing
von: Yousefzadeh, Amirreza, et al.
Veröffentlicht: (2026)

SAGA: Synthesis Augmentation with Genetic Algorithms for In-Memory Sequence Optimization
von: Robins, Andey, et al.
Veröffentlicht: (2024)