| 标题 |
  Twofold Sparsity: Joint Bit- and Network-Level Sparsity for Energy-Efficient Deep Neural Network Using RRAM Based Compute-In-Memory 双重稀疏性：使用基于RRAM的内存计算的节能深度神经网络的联合比特级和网络级稀疏性
相关领域
计算机科学
边缘设备
电阻随机存取存储器
深度学习
计算
人工神经网络
接头（建筑物）
高效能源利用
人工智能
能量（信号处理）
推论
边缘计算
GSM演进的增强数据速率
CMOS芯片
乘法（音乐）
计算机工程
计算机硬件
算法
电子工程
电气工程
电压
云计算
物理
工程类
操作系统
统计
建筑工程
数学
声学
|
| 网址 | |
| DOI | |
| 其它 |
期刊：IEEE Access 作者：Foroozan Karimzadeh; Arijit Raychowdhury 出版日期：2024-01-01 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
Grayball
浦肯野
nozero
pcr163
andrele
YifanWang
brian0326
从容芮
醉书生
MchemG
CAOHOU
JPH1990
Oracle
VDC
NJD
复杂书竹
zinnn
子凡
shinysparrow
Erika
皖公网安备34019202002308
