Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
     of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
مدل سازی خطای عملکرد ضرب کننده های تقریبی برای شتاب دهنده های شبکه عصبی
فرح بخش، امیر رضا Farahbakhsh, Amir Reza

Cataloging brief

مدل سازی خطای عملکرد ضرب کننده های تقریبی برای شتاب دهنده های شبکه عصبی
پدیدآور اصلی :   فرح بخش، امیر رضا Farahbakhsh, Amir Reza
ناشر :   صنعتی شریف
سال انتشار  :   1402
موضوع ها :   پردازش تقریبی Approximate Computing شبکه عصبی مصنوعی Artificial Neural Network چارچوب...
شماره راهنما :   ‭05-56928

Find in content

sort by

Bookmark

  • چکیده (5)
  • فهرست جدول‎ها (9)
  • فهرست تصویرها (10)
  • 1 فصل1. مقدمه (12)
    • 1-1 پیش گفتار (12)
    • 2-1 انگیزه های پژوهش (13)
    • 1-3 اهداف پژوهش (14)
    • 1-4 ساختار پایان نامه (15)
  • 2 فصل2. مبانی نظری پژوهش (16)
    • 2-1 محاسبات تقریبی (16)
    • 2-2 شبکه‌های عصبی عمیق (18)
      • 1-2-2 لایه‌های تمام متصل36F (19)
      • 2-2-2 لایه‌های کانولوشنال38F (20)
      • 3-2-2 لایه‌های تجمیع41F (21)
      • 4-2-2 توابع فعال‌سازی44F (21)
      • 2-2-5 لایه‌های نرمال‌سازی47F (22)
      • 6-2-2 آموزش و استنتاج (23)
      • 7-2-2 مجموعه‌داده MNIST (24)
      • 2-2-8 مجموعه‌داده Fashion-MNIST (24)
      • 2-2-8 مجموعه‌داده CIFAR-10 (25)
      • 9-2-2 مجموعه‌داده ImageNet (26)
    • 3-2 مدل های شبکه‌های عصبی (27)
      • 1-3-2 شبکه‌ی LeNet (1998) (27)
      • 2-3-2 شبکه‌ی AlexNet (2012) (27)
      • 3-3-2 شبکه‌های VGG (2014) (28)
      • 4-3-2 شبکه‌های ResNet (2015) (29)
  • 3 فصل3. مروری بر ادبیات موضوعی (31)
    • 3-1 مقیاس‌بندی دقت (31)
    • 3-2 کاهش محاسبات (32)
      • 1-2-3 پرش (33)
      • 2-2-3 بخاطر سپاری (35)
    • 3-3 واحدهای محاسبه تقریبی88F (35)
      • 1-3-3 جمع‌کننده‌ها و ضرب‌کننده‌های تقریبی (36)
      • 2-3-3 محاسبات بدون ضرب‌کننده95F (37)
      • 3-3-3 ضرب‌کننده‌های تقریب لگاریتمی103F (38)
    • 3-4 پلتفرم‌ها و چارچوب‌های شبیه‌سازی شبکه‌های عصبی تقریبی (38)
      • 1-4-3 چارچوب Ristretto (2018) (39)
      • 2-4-3 چارچوب TypeCNN (2019) (39)
      • 3-4-3 چارچوب ALWANN (2019) (40)
      • 4-4-3 چارچوب AxDNN (2019) (40)
      • 5-4-3 چارچوب ProxSim (2020) (41)
      • 6-4-3 چارچوب TFApprox (2020) (41)
      • 7-4-3 چارچوب AdaPT (2023) (42)
  • 4 فصل4. طرح پيشنهادى (43)
    • 1-4 اندازه‌گیری و مدل‌سازی خطای تقریب (44)
    • 2-4 اضافه کردن خطای تقریب در فرایند استنتاج (53)
    • 3-4 ارتقاء روش پیشنهادی (54)
      • 1-3-4 بهینه‌سازی تخمین خطا به‌وسیله اشتراک گذاری منابع محاسباتی (54)
      • 2-3-4 کاهش تعداد نقاط تخمین و افزودن خطای تقریب (55)
      • 3-3-4 در نظر گرفتن خطای کوانتیزاسیون (57)
  • 5 فصل5. نتایج شبیه‌سازی (59)
    • 5-1 محیط و شرایط آزمایش (59)
    • 5-2 نتایج شبیه‌سازی با روش میانگینگیری (60)
      • 1-2-5 شبکه ResNet (60)
      • 2-2-5 شبکه VGG (64)
      • 3-2-5 شبکه AlexNet (65)
      • 4-2-5 شبکه LeNet-5 (66)
      • 5-2-5 بررسی زمان اجرای شبیه‌سازی در روش پیشنهادی (68)
  • 6 فصل5. جمع‌بندي و ارائه پیشنهادات (69)
    • 6-1 جمع‌بندی (69)
    • 6-2 پیشنهادات (71)
  • منابع و مأخذ (72)
Loading...