Buchumschlag

Security Risks in Machining Process Monitoring: Sequence-to-Sequence Learning for Reconstruction of CNC Axis Positions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Krupp, Lukas, Stahlschmidt, Rickmar, Wehn, Norbert
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Hardware Architecture Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CRADLE: Conversational RTL Design Space Exploration with LLM-based Multi-Agent Systems
von: Krupp, Lukas, et al.
Veröffentlicht: (2025)

From RTL to Prompt Coding: Empowering the Next Generation of Chip Designers through LLMs
von: Krupp, Lukas, et al.
Veröffentlicht: (2026)

Improving Chip Design Enablement for Universities in Europe -- A Position Paper
von: Krupp, Lukas, et al.
Veröffentlicht: (2025)

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

CNN-Based Equalization for Communications: Achieving Gigabit Throughput with a Flexible FPGA Hardware Architecture
von: Ney, Jonas, et al.
Veröffentlicht: (2024)

Time-Series Forecasting and Sequence Learning Using Memristor-based Reservoir System
von: Zyarah, Abdullah M., et al.
Veröffentlicht: (2024)

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

IMS: Intelligent Hardware Monitoring System for Secure SoCs
von: Foudhaili, Wadid, et al.
Veröffentlicht: (2026)

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

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

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

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

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

Exploration of Low-Power Flexible Stress Monitoring Classifiers for Conformal Wearables
von: Afentaki, Florentia, et al.
Veröffentlicht: (2025)

Cell Library Characterization for Composite Current Source Models Based on Gaussian Process Regression and Active Learning
von: Bai, Tao, 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)

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

LLMs and the Future of Chip Design: Unveiling Security Risks and Building Trust
von: Wang, Zeng, et al.
Veröffentlicht: (2024)

Bespoke Co-processor for Energy-Efficient Health Monitoring on RISC-V-based Flexible Wearables
von: Vergos, Theofanis, et al.
Veröffentlicht: (2025)

EPIM: Efficient Processing-In-Memory Accelerators based on Epitome
von: Wang, Chenyu, et al.
Veröffentlicht: (2023)

End-to-End Transformer Acceleration Through Processing-in-Memory Architectures
von: Yang, Xiaoxuan, et al.
Veröffentlicht: (2025)

Enhanced LPDDR4X PHY in 12 nm FinFET
von: Feldmann, Johannes, et al.
Veröffentlicht: (2025)

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

The Art of Beating the Odds with Predictor-Guided Random Design Space Exploration
von: Arnold, Felix, et al.
Veröffentlicht: (2025)

Exploring Quantization and Mapping Synergy in Hardware-Aware Deep Neural Network Accelerators
von: Klhufek, Jan, et al.
Veröffentlicht: (2024)

Accelerating Neural Networks for Large Language Models and Graph Processing with Silicon Photonics
von: Afifi, Salma, et al.
Veröffentlicht: (2024)

Pimba: A Processing-in-Memory Acceleration for Post-Transformer Large Language Model Serving
von: Kim, Wonung, et al.
Veröffentlicht: (2025)

Low-power, Energy-efficient, Cardiologist-level Atrial Fibrillation Detection for Wearable Devices
von: Loroch, Dominik, et al.
Veröffentlicht: (2025)

Compact Yet Highly Accurate Printed Classifiers Using Sequential Support Vector Machine Circuits
von: Sertaridis, Ilias, et al.
Veröffentlicht: (2025)

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

Exploring the Performance Improvement of Tensor Processing Engines through Transformation in the Bit-weight Dimension of MACs
von: Wu, Qizhe, et al.
Veröffentlicht: (2025)

Smart-Infinity: Fast Large Language Model Training using Near-Storage Processing on a Real System
von: Jang, Hongsun, et al.
Veröffentlicht: (2024)

CBM-Dual: A 65-nm Fully Connected Chaotic Boltzmann Machine Processor for Dual Function Simulated Annealing and Reservoir Computing
von: Yoshioka, Kanta, et al.
Veröffentlicht: (2026)

Nonlinear Computation with Linear Optics via Source-Position Encoding
von: Richardson, N., et al.
Veröffentlicht: (2025)

PiC-BNN: A 128-kbit 65 nm Processing-in-CAM-Based End-to-End Binary Neural Network Accelerator
von: Harary, Yuval, et al.
Veröffentlicht: (2026)

Onboard Optimization and Learning: A Survey
von: Pavel, Monirul Islam, et al.
Veröffentlicht: (2025)

Learning Library Cell Representations in Vector Space
von: Liang, Rongjian, et al.
Veröffentlicht: (2025)

A Joint Learning Approach to Hardware Caching and Prefetching
von: Yuan, Samuel, et al.
Veröffentlicht: (2025)

Energy-Aware Deep Learning on Resource-Constrained Hardware
von: Millar, Josh, et al.
Veröffentlicht: (2025)

Learning Generalizable Program and Architecture Representations for Performance Modeling
von: Li, Lingda, et al.
Veröffentlicht: (2023)