فروش فایل ترجمه ۳

15,000 تومان

دانلود ترجمه روان و با کیفیت بسیار بالا.

پرداخت هزینه ترجمه در قبال کیفیت بالای آن ناچیز است.

برای کسب اطلاعات بیشتر در رابطه با مقاله، بخش توضیحات را بخوانید.

مقایسه

توضیحات

در این بخش ترجمه آماده مقالات و متون انگلیسی با هزینه اندک تقدیم شما می شود. هزینه های پرداختی به این ترجمه های آماده قابل مقایسه با ارزش اصلی آنها نمی باشد. همچنین در صورت بروز هرگونه مشکل و نیاز به پشتیبانی با شماره ۰۹۳۸۲۱۳۴۶۲۸ تماس حاصل فرمایید. مطمئن باشید ترجمه هایی با کیفیت بالا به دستتان خواهد رسید که غیر این باشد، کل وجه پرداختی شما عودت داده می شود.

عنوان فارسی مقاله
معماری نورومورفیک موازی مؤثر (کارآمد) انرژی با حساب تقریبی در ارائه دریچه‌ای برنامه پذیر میدانی (FPGA)
عنوان انگلیسی مقاله
Energy Efficient Parallel Neuromorphic Architectures with Approximate Arithmetic on FPGA
سال انتشار منبع
۲۰۱۷ Neurocomputing

چکیده فارسی

در این مقاله، ما معماری‌های پردازنده نورومورفیک موازی را برای تثبیت و بررسی شبکه‌های عصبی در FPGA ارائه می‌دهیم. معماری‌های پیشنهادشده به چندین موضوع حساس مربوط به موازی‌سازی مؤثر در به‌روزرسانی پتانسیل غشاها، ذخیره‌سازی بر روی تراشه در وزن‌های سیناپسی و ادغام واحدهای محاسباتی تقریبی اشاره می‌کند. مصالحه بین توان عملیاتی، هزینه سخت‌افزاری و هزینه‌های کلی انرژی برای تنظیمات مختلف به‌طور کامل موردبررسی قرار می‌گیرد. قابل‌ذکر است، برای کاربرد شناسایی رقمی دست‌نوشته، یک تسریع آموزش ۱۳.۵x و یک تسریع شناسایی ۲۵.۸x توسط اجرای موازی با درجه همسان‌سازی ۳۲ به‌دست‌آمده است. باوجود فرکانس کاری ۱۲۰ مگاهرتز، طراحی سخت‌افزار موازی ۳۲-راه، یک تسریع آمورشی ۵۹.۴x بیش از نرم‌افزار تک موضوع در حال اجرا روی یک CPU چندهدفه ۲.۲GHz را نشان می‌دهد. به همان اندازه مهم، با اعمال‌نفوذ انعطاف‌پذیر ساخته‌شده در معماری نورومورفیک، ما سود انرژی حاصل‌شده در استفاده از محاسبات ریاضی تقریبی را نشان می‌دهیم. تا ۲۰ درصد بهبود در مصرف انرژی با ادغام ضرب کننده‌های تقریبی در سیستم به دست می‌آید درحالی‌که حفظ نرخ شناسایی تقریباً در همان سطح با استفاده از ضرب استاندارد به‌دست‌آمده است. در برابر بهترین دانش ما، این نخستین باری است که محاسبات تقریبی و پردازش موازی به FPGA مبتنی بر شبکه‌های عصبی اعمال‌شده است. تأثیر پردازش موازی روی عواید محاسبات تقریبی نیز به جزئیات موردبحث قرارگرفته است.

چکیده انگلیسی

In this paper, we present the parallel neuromorphic processor architectures for spiking neural networks on FPGA. The proposed architectures address several critical issues pertaining to efficient parallelization of the update of membrane potentials, on-chip storage of synaptic weights and integration of approximate arithmetic units. The trade-offs between throughput, hardware cost and power overheads for different configurations are thoroughly investigated. Notably, for the application of handwritten digit recognition, a promising training speedup of 13.5x and a recognition speedup of 25.8x are achieved by a parallel implementation whose degree of parallelism is 32. In spite of the 120MHz operating frequency, the 32-way parallel hardware design demonstrates a 59.4x training speedup over the single-thread software program running on a 2.2GHz general purpose CPU. Equally importantly, by leveraging the built-in resilience of the neuromorphic architecture we demonstrate the energy benefit resulted from the use of approximate arithmetic computation. Up to 20% improvement in energy consumption is achieved by integrating approximate multipliers into the system while maintaining almost the same level of recognition rate achieved using standard multipliers. To the best of our knowledge, it is the first time that the approximate computing and parallel processing are applied to FPGA based spiking neural networks. The influence of the parallel processing on the benefits of approximate computing is also discussed in detail.

 

دانلود مقاله

توضیحات تکمیلی

نوع فایل

DOCX, PDF, ZIP

رمز

ندارد

حجم

بین 2 تا 4 مگابایت

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “فروش فایل ترجمه ۳”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

یازده + سه =