論文の概要: Spiking Neural Streaming Binary Arithmetic
- arxiv url: http://arxiv.org/abs/2203.12662v1
- Date: Wed, 23 Mar 2022 18:37:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 00:34:10.971011
- Title: Spiking Neural Streaming Binary Arithmetic
- Title(参考訳): スパイクニューラルネットワークバイナリ演算
- Authors: James B. Aimone, Aaron J. Hill, William M. Severa, and Craig M.
Vineyard
- Abstract要約: 本稿では,基本ブール演算とバイナリ演算を正確に計算するために設計された一握りの回路と同様に,有利なストリーミングバイナリ符号化方式がもたらす意味について論じる。
特別な目的のコプロセッサでは、ブール関数とバイナリ演算は、デバイス上でデータの事前処理と後処理によってコプロセッサをオン・アンド・オフする不必要なI/Oを避けるのに有用である。
- 参考スコア(独自算出の注目度): 1.1759564521969381
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Boolean functions and binary arithmetic operations are central to standard
computing paradigms. Accordingly, many advances in computing have focused upon
how to make these operations more efficient as well as exploring what they can
compute. To best leverage the advantages of novel computing paradigms it is
important to consider what unique computing approaches they offer. However, for
any special-purpose co-processor, Boolean functions and binary arithmetic
operations are useful for, among other things, avoiding unnecessary I/O
on-and-off the co-processor by pre- and post-processing data on-device. This is
especially true for spiking neuromorphic architectures where these basic
operations are not fundamental low-level operations. Instead, these functions
require specific implementation. Here we discuss the implications of an
advantageous streaming binary encoding method as well as a handful of circuits
designed to exactly compute elementary Boolean and binary operations.
- Abstract(参考訳): ブール関数とバイナリ演算は、標準的な計算パラダイムの中心である。
それゆえ、コンピューティングの多くの進歩は、これらのオペレーションをより効率的にする方法と、何が計算できるかを探求することに焦点を当てている。
新たなコンピューティングパラダイムの利点を最大限に活用するには、彼らがどのようなユニークなコンピューティングアプローチを提供するかを考えることが重要である。
しかし、特別なコプロセッサの場合、Boolean関数とバイナリ演算は、デバイス上でデータの事前処理と後処理によって、余計なI/Oをオン・アンド・オフすることを避けるのに有用である。
これは、これらの基本的な操作が基本的な低レベルな操作ではないニューロモルフィックアーキテクチャーに特に当てはまる。
これらの関数は特定の実装を必要とする。
本稿では,より有利なストリーミングバイナリエンコーディング手法と,基本ブール演算とバイナリ演算を正確に計算する回路の一握りの回路について述べる。
関連論文リスト
- Reverse That Number! Decoding Order Matters in Arithmetic Learning [49.5504492920404]
本研究は,最少の桁から出力を優先順位付けすることで,桁順を再評価する新たな戦略を導入する。
従来のSOTA法と比較すると,通常のトレーニングで使用するトークンの3分の1しか必要とせず,精度の全体的な改善が見られた。
論文 参考訳(メタデータ) (2024-03-09T09:04:53Z) - CP-BCS: Binary Code Summarization Guided by Control Flow Graph and
Pseudo Code [79.87518649544405]
本稿ではCP-BCSと呼ばれる制御フローグラフと擬似コード案内バイナリコード要約フレームワークを提案する。
CP-BCSは双方向の命令レベル制御フローグラフと擬似コードを利用して、専門家の知識を取り入れ、包括的なバイナリ関数の実行動作と論理意味論を学ぶ。
論文 参考訳(メタデータ) (2023-10-24T14:20:39Z) - Safe Use of Neural Networks [0.0]
ネットワークの処理ステップで算術誤差を検出できる数値ベースのコードを使用する。
1つのパリティのセットはセクションの出力から取得され、もう1つの同等のセットは元の入力から直接開発される。
我々は,データセットの規模が大きいため,長い数値ベースの畳み込み符号の使用に重点を置いている。
論文 参考訳(メタデータ) (2023-06-13T19:07:14Z) - Compacting Binary Neural Networks by Sparse Kernel Selection [58.84313343190488]
本稿は,BNNにおけるバイナリカーネルの分散化がほぼ不可能であることを示すものである。
我々は、選択過程をエンドツーエンドに最適化するだけでなく、選択したコードワードの非反復的占有を維持できる置換ストレートスルー推定器(PSTE)を開発した。
実験により,提案手法はモデルサイズとビット幅の計算コストの両方を削減し,同等の予算下での最先端のBNNと比較して精度の向上を実現する。
論文 参考訳(メタデータ) (2023-03-25T13:53:02Z) - Encoding Integers and Rationals on Neuromorphic Computers using Virtual
Neuron [0.0]
仮想ニューロンを整数と有理数の符号化機構として提示する。
本研究では,23nJのエネルギーを混合信号メムリスタベースニューロモルフィックプロセッサを用いて平均的に加算操作を行うことができることを示す。
論文 参考訳(メタデータ) (2022-08-15T23:18:26Z) - Intermediate Qutrit-based Improved Quantum Arithmetic Operations with
Application on Financial Derivative Pricing [8.69212898769542]
いくつかの量子アルゴリズムでは、算術演算は資源推定において最も重要である。
本稿では,全ての量子演算の効率的な実装を実現するために,中間クォート手法を取り入れた。
回路のロバスト性は, キュービットのみの動作に比べて高いため, 誤差の確率の減少が顕著であることを示す。
論文 参考訳(メタデータ) (2022-05-31T14:25:51Z) - Efficient Floating Point Arithmetic for Quantum Computers [1.189955933770711]
量子コンピューティングの大きな約束の1つは、重ね合わせ現象を用いたSIMD(単一命令 - 複数のデータ)演算の実現である。
我々は、符号なし整数量子回路を便利に生成できる半ブールと呼ばれる符号化形式を導入している。
我々は、このタイプの評価を、アンシラのないインプレース乗算や整数係数評価などの追加機能で拡張する。
論文 参考訳(メタデータ) (2021-12-20T14:00:36Z) - HD-cos Networks: Efficient Neural Architectures for Secure Multi-Party
Computation [26.67099154998755]
マルチパーティ計算(MPC、Multi-party calculation)は、暗号化の分野の一つで、複数の非解決パーティが関数を安全に計算するためのプロトコルを実行する。
MPC設定下でニューラルネットワークのトレーニングと推論について検討する。
どちらの手法も、MPC設定下での強力な理論的モチベーションと効率的な計算を享受できることを示す。
論文 参考訳(メタデータ) (2021-10-28T21:15:11Z) - Quantized Neural Networks via {-1, +1} Encoding Decomposition and
Acceleration [83.84684675841167]
本稿では,量子化されたニューラルネットワーク(QNN)をマルチブランチバイナリネットワークに分解するために,-1,+1を用いた新しい符号化方式を提案する。
本稿では,大規模画像分類,オブジェクト検出,セマンティックセグメンテーションにおける提案手法の有効性を検証する。
論文 参考訳(メタデータ) (2021-06-18T03:11:15Z) - Spiking Neural Networks Hardware Implementations and Challenges: a
Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。
スパイキングニューラルネットワークのハードウェア実装の現状について述べる。
本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文 参考訳(メタデータ) (2020-05-04T13:24:00Z) - Automatic Differentiation in ROOT [62.997667081978825]
数学と計算機代数において、自動微分 (AD) は、コンピュータプログラムによって指定された関数の微分を評価するための一連の技術である。
本稿では、任意のC/C++関数の導関数を生成するために、ClingがサポートするROOTで利用可能なAD技術を提案する。
論文 参考訳(メタデータ) (2020-04-09T09:18:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。