返回
SenHDC: A 3-D NAND Flash-Based Processing-in-Sensor Hyperdimensional Computing Architecture
DOI:10.1109/TVLSI.2025.3562722.png)
摘要
En 中文
物联网(IoT)的快速发展促进了嵌入式设备中视觉应用的部署。为缓解CMOS图像传感器(CIS)中的数据转换和传输开销,提出了传感内处理(PIS)技术,使计算能够在传感系统内直接进行。与此同时,类脑高维计算(HDC)作为一种极具前景的计算范式应运而生,因其在高维空间中具备高精度和效率,非常适合PIS。然而,HDC需要将感知信号转换为长高维向量(HV),这给PIS系统带来了显著的开销。因此,本文提出SenHDC,一种基于HDC的PIS软硬件协同设计框架。我们引入了一种新颖的硬件友好型编码范式,消除了复杂的高维向量转换,并结合一种抗噪声的位置HV生成方法,以缓解电容负载不平衡的影响。我们进一步提出了一种高效的3-D NAND闪存基计算存储一体(CIM)硬件设计,包括在电荷域执行编码的编码模块,以及用于分类的关联搜索模块,该模块检查输入与预存储类别之间的相似性。实验结果表明,与当前最先进的HDC CIM实现方案相比,SenHDC在编码模块和关联搜索模块的能量效率上分别提升了40.6倍和1.6倍。
Keyword:
Computing-in-memory
flash memory
hyperdimensional computing (HDC)
期刊
I
IF:
3.1
论文数:
459
被引数:
7.3K
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
HyperNode: An Efficient Node Classification Framework Using HyperDimensional ComputingHyperNode:一种基于超维计算的节点分类高效框架
A Compute-in-Memory Architecture Compatible with 3D NAND Flash that Parallelly Activates Multi-Layers一种与3D NAND Flash兼容的、并行激活多层结构的存内计算架构
No-Multiplication Deterministic Hyperdimensional Encoding for Resource-Constrained Devices无乘法确定性超维编码用于资源受限设备

