Spectral domain convolutional neural network optimized for computational workload and memory access cost
Conventional convolutional neural networks (CNNs), which are realized in the spatial domain, present a high computationalworkload and memory access cost (CMC). Spectral domain CNNs (SpCNNs) offer a computationally efficient approach for performing CNN training and inference. State-of-the-art SpCNNs...
محفوظ في:
المؤلف الرئيسي: | Rizvi, Shahriyar Masud |
---|---|
التنسيق: | أطروحة |
اللغة: | English |
منشور في: |
2023
|
الموضوعات: | |
الوصول للمادة أونلاين: | http://eprints.utm.my/102817/1/ShahriyarMasudRizviPSKE2023.pdf.pdf |
الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
مواد مشابهة
-
Field programmable gate array based convolution neural network hardware accelerator with optimized memory controller
بواسطة: Mohammed, Mohammed Isam Eldin Hassan
منشور في: (2020) -
Stochastic computing system hardware design for convolutional neural networks optimized for accuracy area and energy efficiency
بواسطة: Hamdan, Hamdan Usamah
منشور في: (2020) -
Convolution and max pooling layer accelerator for convolutional neural network
بواسطة: Goh, Jinn Chyn
منشور في: (2020) -
Spectral efficient hybrid wireless optical broadband access network
بواسطة: Ali Mohammed Shaddad, Redhwan Qasem
منشور في: (2013) -
Multiple phase flow identification using computational simulation and convolutional neural network
بواسطة: Helmy, Mohamed Tawfik Ibrahim
منشور في: (2020)