DeepAxe : a framework for exploration of approximation and reliability trade-offs in DNN accelerators
autor
Taheri, Mahdi
Riazati, Mohamad
Ahmadilivani, Mohammad Hasan
Jenihhin, Maksim
Daneshtalab, Masoud
Raik, Jaan
Sjödin, Mikael
Lisper, Björn
vastutusandmed
Mahdi Taheri, Mohammad Riazati, Mohammad Hasan Ahmadilivani, Maksim Jenihhin, Masoud Daneshtalab, Jaan Raik, Mikael Sjodin, Bjorn Lisper
allikas
2023 24th International Symposium on Quality Electronic Design (ISQED)
ilmumiskoht
Piscataway
kirjastus/väljaandja
IEEE
ilmumisaasta
2023
leheküljed
8 p. : ill
konverentsi nimetus, aeg
24th International Symposium on Quality Electronic Design (ISQED), 5-7 April 2023
konverentsi toimumispaik
San Francisco, USA
leitav
https://doi.org/10.1109/ISQED57927.2023.10129353
märksõna
testimine
rikked
kompuutersimulatsioon
tehisnärvivõrgud
võtmesõna
deep neural networks
approximate computing
fault simulation
reliability
resiliency assessment
ISSN
1948-3295
ISBN
979-8-3503-3475-3
märkused
This paper is accepted at the 24th International Symposium on Quality Electronic Design (ISQED) 2023
teaduspublikatsioon
teaduspublikatsioon
klassifikaator
3.1
TTÜ struktuuriüksus
arvutisüsteemide instituut
keel
inglise
Uurimisrühm
Töökindla arvutusriistvara keskus (TARK)