prindi

APPRAISER : DNN fault resilience analysis employing approximation errors

autor
Taheri, Mahdi
Ahmadilivani, Mohammad Hasan
Jenihhin, Maksim
Raik, Jaan
Daneshtalab, Masoud
vastutusandmed
Mahdi Taheri, Mohammad Hasan Ahmadilivani, Maksim Jenihhin, Jaan Raik, Masoud Daneshtalab
allikas
2023 26th International Symposium on Design and Diagnostics of Electronic Circuits and Systems (DDECS)
ilmumiskoht
Piscataway, New Jersey
kirjastus/väljaandja
IEEE
ilmumisaasta
2023
leheküljed
p. 124−127
konverentsi nimetus, aeg
26th International Symposium on Design and Diagnostics of Electronic Circuits and Systems, May 3-5, 2023
konverentsi toimumispaik
Tallinn
leitav
https://ddecs2023.taltech.ee/
https://doi.org//10.1109/DDECS57882.2023.10139468
märksõna
arvutisüsteemid
riistvara
tõrketaluvus
võtmesõna
Deep learning
Emulation
Approximate computing
Neural networks
Reliability engineering
Hardware
Circuit faults
ISSN
2473-2117
ISBN
979-8-3503-3277-3
märkused
Allikas ka: 2023 26th International Symposium on Design and Diagnostics of Electronic Circuits and Systems (DDECS), Tallinn, Estonia, 2023
teaduspublikatsioon
teaduspublikatsioon
klassifikaator
3.1
TTÜ struktuuriüksus
arvutisüsteemide instituut
keel
inglise
Taheri, M., Ahmadilivani, M.H., Jenihhin, M., Raik, J., Daneshtalab, M. APPRAISER : DNN fault resilience analysis employing approximation errors // 2023 26th International Symposium on Design and Diagnostics of Electronic Circuits and Systems (DDECS). Piscataway, New Jersey : IEEE, 2023. p. 124−127. https://ddecs2023.taltech.ee/ https://doi.org//10.1109/DDECS57882.2023.10139468