Loading...
机构名称:
¥ 1.0

内存计算(CIM)是解决“记忆墙”和效果瓶颈的有效技术方法。许多新出现的非挥发性记忆(NVM),例如电阻随机访问记忆(RRAM)[1-3],相位变化记忆(PCM)[4,5],铁电RAM(FERAM)[6,7]和灰烬记忆[8-13],并且在许多人工网络中都表现出了良好的能力。重新说,高精度的CIM体系结构吸引了更多的关注,因为它可以提供一种基本的方法来满足不同科学计算的严格要求[2,14]。泊松图像编辑[15]是一种无缝图像编辑算法,在保留源图像的梯度信息的同时,已广泛用于融合背景图像和目标图像。要使用CIM体系结构实施高精度泊松图像编辑,有必要确保单元格和阵列具有良好的稳定性和稳健的可靠性。与其他NVM相比,在超高/效率上,良好的可靠性和对细胞变化的强可控制性方面,闪光内存具有显着的好处,因此在高精度计算中具有很大的优势。重要的是,灰烬内存与外围电路具有很大的兼容性,并且能够设计大型CIM阵列以进行大规模处理。到目前为止,已经根据NORPH ASH记忆报告了神经网络的CIM体系结构的大量作品。在2017年,Guo等人首先证明了基于嵌入的和灰分记忆技术的混合信号神经形态分类器。[8]。用于更多能量的卷积操作,

基于闪光灯的高级...

基于闪光灯的高级...PDF文件第1页

基于闪光灯的高级...PDF文件第2页

基于闪光灯的高级...PDF文件第3页

基于闪光灯的高级...PDF文件第4页

基于闪光灯的高级...PDF文件第5页