PSO–GP: An evolutionary optimization-based activation function approximation for hardware efficient neural network

Mahendra Kumar Gurve

doi:10.1016/j.compeleceng.2026.111404

PSO–GP: An evolutionary optimization-based activation function approximation for hardware efficient neural network

2026-07-30

0

PRE

AI

DOI：10.1016/j.compeleceng.2026.111404

原文链接

摘要

En 中文

• 提出了一种统一的PSO–GP框架，用于联合优化区间划分和逼近系数，消除了手动设计并实现了全局优化。• 所提出的设计在硬件效率方面取得了显著成果，最多可减少64.37%的查找表（LookUp Table）和57.1%的能耗，适用于FPGA和ASIC实现。• 该方法在保持神经网络性能（在MNIST数据集上达到98.45%的准确率）的同时，实现了高逼近精度（13个区间段的平均绝对误差为2.77×10−4）。

PSO–GP: An evolutionary optimization-based activation function approximation for hardware efficient neural network

摘要

期刊

机构

引用论文