返回
MSDF-Based MAC for Energy-Efficient Neural Networks
DOI:10.1109/TVLSI.2025.3539445.png)
摘要
En 中文
本文提出了一种基于最高有效位优先(MSDF)方法的高能效串行乘累加(MAC)单元,专门针对在资源受限和低功耗环境下运行的神经网络。所提出的MAC单元已集成到两种神经网络架构中:多层感知器(MLP)和去噪自编码器。对于MLP,我们采用基于Modified National Institute of Standard and Technology(MNIST)数据集的手写数字分类预训练模型。采用45 nm CMOS技术的硬件综合结果表明,基于MSDF的MLP在硬件指标(如减小电路面积和每神经元能耗)方面取得了良好的权衡,并达到了97.4%的良好分类准确率。在自编码器的情况下,所提出的MAC单元被用于同一数据集的预训练去噪自编码器。该自编码器采用基于MSDF的混合精度跨层设计,以减少计算资源及负载,同时保持高质量图像重建。对图像正确性、信号保真度及视觉质量指标进行了全面评估,以评估不同层中不同精度水平的影响。结果表明,所提出的方法在实现有效去噪性能的同时,满足了均衡的硬件要求。
Keyword:
Computer arithmetic
denoising
energy efficiency
most significant digit first (MSDF) arithmetic
multiply-accumulate (MAC)
neural networks
期刊
I
IF:
3.1
论文数:
505
被引数:
7.3K
机构
引用论文
A design methodology for networks of online modules and its application to the Levinson-Durbin algorithm网络在线模块的设计方法及其在Levinson-Durbin算法中的应用


