面向神经网络的可迭代近似对数乘法器设计AET-电子技术应用-最丰富的电子设计资源平台

面向神经网络的可迭代近似对数乘法器设计
所属分类：解决方案
上传者：wwei
文档大小：1224 K
标签：神经网络近似计算近似对数乘法器
所需积分：0分积分不够怎么办？
文档介绍：神经网络作为机器学习领域的重要分支，计算场景广泛，但复杂的模型算法和庞大的数据集使得系统硬件面临巨大挑战。由于神经网络应用对误差的固有弹性，近似计算技术成为了一种合理高效的策略。结合Mitchell算法，通过操作数近似、错误补偿和迭代处理设计了一种多精度近似对数乘法器。在误差相近的情况下，与传统非迭代和迭代对数乘法器相比，该乘法器可将硬件PDP分别降低54.07%和39.49%；将近似计算应用于神经网络中的卷积层和全连接层，实验结果显示近似乘法器DR-IALM-7、DR-IALM-6、DR-IALM-5分类精度与精确乘法器相近。实验表明选择合适近似精度的近似计算应用于神经网络，可在保持网络准确度的同时有效降低系统硬件功耗。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。