Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/11279
Tipo de material: bachelorThesis
Título : Computing-in-Memory XNOR-Bitcount operation of binary convolutional neural Networks based on Spin-Transfer Torque MRAMs
Autor : Musello Vásconez, Ariana
Director de Tesis : Prócel, Luis Miguel, director
Descriptores : Redes neuronales (Computadores);Computación;Tesis y disertaciones académicas
Fecha de publicación : 2021
Editorial : Quito
Citación : Tesis (Ingeniera en Electrónica), Universidad San Francisco de Quito, Colegio de Ciencias e Ingenierías ; Quito, Ecuador, 2021
Páginas : 42 h.
Acceso: openAccess
CC0 1.0 Universal
Resumen : Las redes neuronales binarias (BNN), en las que los pesos y activaciones son representadas con un solo bit, son una alternativa eficiente en cuanto a almacenamiento y computación que permite implementar redes neuronales convolucionales en dispositivos con recursos computacionales limitados. En BNNs, la operación MAC es reemplazada por una operación de XNOR-bitcount. El uso de arquitecturas de computación en memoria (CIM) permite un ahorro incluso mayor en energía y tiempo para la implementación de BNNs. En este contexto, el uso de STT-MRAMs ofrece los beneficios de no-volatilidad, gran velocidad, consumo bajo de energía, escalabilidad, entre otros...
Descripción : Binary neural networks (BNN), in which weights and activations are represented with one single bit, are a storage and computationally efficient alternative that allows convolutional neural networks to be implemented in devices with limited computational resources. In BNNs the MAC operation is replaced with a bitwise XNOR-bitcount operation. The use of computation-in-memory (CIM) architectures allows further energy and time savings for BNN implementation. In this context, the use of STT-MRAMs provides the benefits of non volatility, high speed, low-power consumption, scalability, among others...
URI : http://repositorio.usfq.edu.ec/handle/23000/11279
Aparece en las colecciones: Tesis - Ingeniería Eléctrica y Electrónica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
200447.pdfTexto completo2.36 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons