.png){kind=icon}
返回
DystoHD: an area-efficient hyperdimensional computing system with dynamic hypervector generation for memory-constrained devices
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-026-08276-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新型的面积高效且端到端的超维计算（HDC）系统DystoHD。通过在脉动阵列架构中动态生成特征超向量并重用位置超向量，DystoHD消除了对大型静态基超向量存储的需求，显著减少了内存占用和访问开销。该设计允许在极小的硬件成本下实现编码和推理模块的并发部署。此外，DystoHD通过利用细粒度并行性和资源复用，提升了计算效率和架构可扩展性。我们通过FPGA实现和45 nm工艺综合对DystoHD进行了评估。实验结果表明，与现有技术相比，DystoHD在多个数据集上以相似的分类精度将内存开销降低了至少64.2%；与现有的基于FPGA和基于ASIC的HDC硬件相比，DystoHD分别将面积延迟积降低了至少62.0%和40.6%。
Keyword:
Brain-inspired computing
Hyperdimensional computing
Stochastic encoding
Memory-efficient
Dynamic encoding
Resource-constrained devices
期刊
T
IF:
0
论文数:
647
被引数:
0
机构
引用论文
Hyperdimensional Computing: An Introduction to Computing in Distributed Representation with High-Dimensional Random Vectors超维计算: 高维随机向量分布式表示计算简介
PREAI
分享收藏
分享收藏分享收藏HD2FPGA: Automated Framework for Accelerating Hyperdimensional Computing on FPGAsHD2FPGA：一种在FPGA上加速高维计算的自动化框架
PREAI
分享收藏Vector Symbolic Architectures as a Computing Framework for Emerging Hardware.png)
PROCEEDINGS OF THE IEEE
OAAI
PROCEEDINGS OF THE IEEEIF25.9
OAAI分享收藏Development of a robust model for identifying vulnerabilities in IoT devices via binary and multiclass deep neural network classification通过二分类和多分类深度神经网络分类方法开发一种用于识别物联网设备漏洞的鲁棒模型
PREAI
分享收藏SparseHD: Algorithm-Hardware Co-optimization for Efficient High-Dimensional Computing2019 IEEE 27th Annual International Symposium on Field-Programmable Custom Computing Machines (FCCM)
2019 IEEE 27th Annual International Symposium on Field-Programmable Custom Computing Machines (FCCM)IF0
PREAI
分享收藏
查看更多内容