.png){kind=icon}
返回
FPGA-Based GRU Accelerator for Streaming Data Processing
.png){kind=icon}
PRE
AI
DOI：10.1002/for.70217.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在边缘设备不断发展的背景下，通过云解锁人工智能（AI）服务一直引发与能耗、延迟和隐私相关的担忧。将这些服务迁移到由CPU和GPU供电的本地边缘设备上，一直受到其有限存储和计算能力的阻碍。这加剧了对定制设计AI加速器的需求。本研究提出了一种基于FPGA的AI加速器，能够高效处理时序信息。该提议的加速器围绕由新型标准门控循环单元（GRU）变体——随机门控循环单元（RGRU）建模的核心算法构建，从而在低延迟、最小化资源利用和高性能方面优于现有GRU加速器。这些改进通过参数量化、减少计算开销和数据本地化实现，同时相比标准GRU实现49×的内存占用减少。该提议的设计在Yahoo Finance、电力负荷和Mackey–Glass等多个标准基准的预测任务中进行评估，显示出与标准GRU相当的性能，同时需要显著更少的硬件资源。
Keyword:
FPGA-accelerator
GRU variant
random GRU
time-series data processing and forecasting
期刊
IF:
2.7
论文数:
2.3K
被引数:
3.0K
机构
引用论文
Wang, X.; Tang, Z.; Guo, J.; Meng, T.; Wang, C.; Wang, T.; Jia, W. Empowering Edge Intelligence: A Comprehensive Survey on On-Device AI Models. ACM Comput. Surv. 2025, 57, 1–39. [Google Scholar] [CrossRef]王, X.; 汤, Z.; 郭, J.; 孟, T.; 王, C.; 王, T.; 贾, W. 赋能边缘智能:设备端AI模型的全面综述. ACM Comput. Surv. 2025, 57, 1–39. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏SoC Reconfigurable Architecture for Implementing Software Trained Recurrent Neural Networks on FPGA
PREAI
分享收藏Medical Implantable Antennas for IoT Based Health Monitoring Applications: A Review物联网健康监测应用中的医用植入式天线：综述
PREAI
分享收藏分享收藏Hybrid GRU–Random Forest Model for Accurate Atmospheric Duct Detection with Incomplete Sounding Data
PREAI
分享收藏Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference用于有效的仅整数算术推理的神经网络的量化和训练
OAAI
OAAI分享收藏
查看更多内容