تجزیه و تحلیل آماری خطای محاسباتی ناشی از بیش مقیاس بندی ولتاژ در شتاب دهنده های شبکه عصبی
- سال انتشار: 1401
- محل انتشار: پنجمین کنفرانس ملی فناوری های نوین در مهندسی برق و کامپیوتر
- کد COI اختصاصی: ICTI05_124
- زبان مقاله: فارسی
- تعداد مشاهده: 171
نویسندگان
دانشجوی کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه تربیت مدرس
استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس
چکیده
کاربردهای هوش مصنوعی و شبکه های عصبی عمیق به دلیل توسعه شتاب دهنده های کارآمد در حال رشد هستند. استقرار گسترده اینشتاب دهنده ها موجب می شود که مصرف انرژی و کارایی آن ها بسیار مورد توجه قرار گیرد. بیش مقیاس بندی ولتاژ یکی از روش های مورداستفاده برای کاهش مصرف انرژی مدارهای دیجیتال است. این روش می تواند مصرف انرژی مدار را به میزان قابل توجهی کاهش دهد. اماممکن است منجر به بروز خطاهای زمانی در خروجی مدار شود. تاکنون روش های مختلفی برای کاهش این خطاها پیشنهاد شده است. مانندهرس کردن، بازآموزی و اصلاح خطا، برخی از الگوریتم ها، از جمله شبکه های عصبی عمیق، دارای تاب آوری ذاتی در برابر خطا و نویز هستند.البته این مقاومت و انعطاف پذیری به بزرگی خطای ایجاد شده و همچنین معماری سخت فزار مورد استفاده بستگی دارد. از این رو جهتاستفاده از تکنیک بیش مقیاس بندی ولتاژ نیاز است تا میزان خطای ایجاد شده با استفاده از این روش تحلیل گردد. در این پژوهش سعی شدهاست تا با شبیه سازی مدار محاسباتی یک نورون در شبکه عصبی در شرایط کاری با ولتاژ بیش مقیاس شده اثر خطای زمانی در خروجی نورونبررسی گردد. نتایج نشان می دهد در صورت استفاده از این تکنیک صرفا در واحدهای ضرب کننده یک نورون، خطاهای زمانی از توزیع آماری نرمال با میانگین و واریانس مشخص پیروی می کنند و از این رو خطای ایجاد شده در سخت افزار با توزیع مشخص قابل پیش بینی است.کلیدواژه ها
بیش مقیاس بندی ولتاژ، شتاب دهنده، شبکه عصبی، محاسبات تقریبیمقالات مرتبط جدید
- استفاده از اینترنت اشیا در بهبود مدیریت بار و افزایش کارایی شبکه های برق
- بهینه سازی توان در سیستم های چند هسته ای با استفاده از یادگیری تقویتی و تخصیص منابع
- بررسی مدارهای مجتمع آنالوگ کم مصرف برای کاربردهای پزشکی
- Physical Layer Security in ۵G Networks Using ArtificialInterference
- یک روش جدید در سیستم های توصیه گر برای پیش بینی سلیقه کاربران با استفاده ازالگوریتم بهینه سازی نهنگ
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.