Buchumschlag

Resource-Efficient and Robust Inference of Deep and Bayesian Neural Networks on Embedded and Analog Computing Platforms

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Klein, Bernhard
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Hardware Architecture Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Demonstrating Analog Inference on the BrainScaleS-2 Mobile System
von: Stradmann, Yannik, et al.
Veröffentlicht: (2021)

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

A Realistic Simulation Framework for Analog/Digital Neuromorphic Architectures
von: Quintana, Fernando M., et al.
Veröffentlicht: (2024)

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

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

Bayesian Inference on Binary Spiking Networks Leveraging Nanoscale Device Stochasticity
von: Katti, Prabodh, et al.
Veröffentlicht: (2023)

Embedding Hardware Approximations in Discrete Genetic-based Training for Printed MLPs
von: Afentaki, Florentia, et al.
Veröffentlicht: (2024)

First Demonstration of Second-order Training of Deep Neural Networks with In-memory Analog Matrix Computing
von: Zhang, Saitao, et al.
Veröffentlicht: (2025)

PENDRAM: Enabling High-Performance and Energy-Efficient Processing of Deep Neural Networks through a Generalized DRAM Data Mapping Policy
von: Putra, Rachmad Vidya Wicaksana, et al.
Veröffentlicht: (2024)

Advancing Neuromorphic Computing: Mixed-Signal Design Techniques Leveraging Brain Code Units and Fundamental Code Units
von: Isik, Murat, et al.
Veröffentlicht: (2024)

ReLANCE: A Resource-Efficient Low-Latency Cortical Neural Acceleration Engine
von: Kumar, Sonu, et al.
Veröffentlicht: (2025)

A Reconfigurable Stream-Based FPGA Accelerator for Bayesian Confidence Propagation Neural Networks
von: Hafiz, Muhammad Ihsan Al, 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)

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

When In-memory Computing Meets Spiking Neural Networks -- A Perspective on Device-Circuit-System-and-Algorithm Co-design
von: Moitra, Abhishek, et al.
Veröffentlicht: (2024)

ASPO: Constraint-Aware Bayesian Optimization for FPGA-based Soft Processors
von: Wu, Haoran, et al.
Veröffentlicht: (2025)

Enabling Efficient Processing of Spiking Neural Networks with On-Chip Learning on Commodity Neuromorphic Processors for Edge AI Systems
von: Putra, Rachmad Vidya Wicaksana, et al.
Veröffentlicht: (2025)

Mean-Field Assisted Deep Boltzmann Learning with Probabilistic Computers
von: Chowdhury, Shuvro, et al.
Veröffentlicht: (2024)

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

Algorithm-Hardware Co-Design of Distribution-Aware Logarithmic-Posit Encodings for Efficient DNN Inference
von: Ramachandran, Akshat, et al.
Veröffentlicht: (2024)

You Only Spike Once: Improving Energy-Efficient Neuromorphic Inference to ANN-Level Accuracy
von: P, Srivatsa, et al.
Veröffentlicht: (2020)

Explore Activation Sparsity in Recurrent LLMs for Energy-Efficient Neuromorphic Computing
von: Knunyants, Ivan, et al.
Veröffentlicht: (2025)

When Spike Sparsity Does Not Translate to Deployed Cost: VS-WNO on Jetson Orin Nano
von: Yoo, Jason, et al.
Veröffentlicht: (2026)

Optimal Gradient Checkpointing for Sparse and Recurrent Architectures using Off-Chip Memory
von: Bencheikh, Wadjih, et al.
Veröffentlicht: (2024)

Stuck-at Faults in ReRAM Neuromorphic Circuit Array and their Correction through Machine Learning
von: Sawal, Vedant, et al.
Veröffentlicht: (2024)

Genetic Quantization-Aware Approximation for Non-Linear Operations in Transformers
von: Dong, Pingcheng, et al.
Veröffentlicht: (2024)

Automated Placement of Analog Integrated Circuits using Priority-based Constructive Heuristic
von: Grus, Josef, et al.
Veröffentlicht: (2024)

Attention, Distillation, and Tabularization: Towards Practical Neural Network-Based Prefetching
von: Zhang, Pengmiao, et al.
Veröffentlicht: (2023)

EasyACIM: An End-to-End Automated Analog CIM with Synthesizable Architecture and Agile Design Space Exploration
von: Zhang, Haoyi, et al.
Veröffentlicht: (2024)

NeuroNAS: Enhancing Efficiency of Neuromorphic In-Memory Computing for Intelligent Mobile Agents through Hardware-Aware Spiking Neural Architecture Search
von: Putra, Rachmad Vidya Wicaksana, et al.
Veröffentlicht: (2024)

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

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

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

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

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

Approximate ADCs for In-Memory Computing
von: Ghosh, Arkapravo, 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)

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

To Spike or Not To Spike: A Digital Hardware Perspective on Deep Learning Acceleration
von: Ottati, Fabrizio, et al.
Veröffentlicht: (2023)

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