基於自適精度下反向傳遞算法與損失函數新穎設計用於可訂製化之低精度限制__國立清華大學博碩士論文全文影像系統

圖書館首頁| 網站地圖| 首頁| 本站說明| 聯絡我們| 相關資源| 台聯大論文系統| 操作說明 | English

帳號：guest(216.73.216.88) 離開系統

字體大小：

字級放大

字級縮小

預設字形

詳目顯示

第 1 筆 / 共 1 筆

第一頁

上一頁

下一頁

最後一頁

/1頁

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士論文系統

、以作者查詢全國書目

論文基本資料
電子全文

作者(中文):	鄭宇翔
作者(外文):	Cheng, Yu-Hsiang
論文名稱(中文):	基於自適精度下反向傳遞算法與損失函數新穎設計用於可訂製化之低精度限制
論文名稱(外文):	A Novel Back-propagation and Loss Function Design based on Mixed Precision for Customizing Low Bit-width Constraint
指導教授(中文):	鄭桂忠
指導教授(外文):	TANG, KEA-TIONG
口試委員(中文):	黃朝宗呂仁碩盧峙丞闕河鳴
口試委員(外文):	HUANG, CHAO-TSUNG LIU, REN-SHUO LU, CHIH-CHENG CHIUEH, HERMING
學位類別:	碩士
校院名稱:	國立清華大學
系所名稱:	電機工程學系
學號:	108061638
出版年(民國):	111
畢業學年度:	110
語文別:	中文
論文頁數:	38
中文關鍵詞:	量化、壓縮、混精度量化、深度學習
外文關鍵詞:	Quantization、Compression、Mixed-precision quantization、Deep learning
相關次數:	推薦:0 點閱:365 評分: 下載:0 收藏:0

(此全文未開放授權)
電子全文
中英文摘要

推文
推薦
評分
引用網址
轉寄

第一頁

上一頁

下一頁

最後一頁

相關論文

1.	IMCAQ：對應記憶體內運算硬體限制的一個基於重新參數化的深度神經網路量化方法
2.	支援異質運算之人工智慧模型壓縮設計與編譯器
3.	使用S函數軟性四捨五入設計對純整數計算推論硬體友善的量化演算法
4.	適用於隨機存取記憶體內運算加速器之卷積神經網路壓縮演算法
5.	深度量化編碼網路
6.	LG-LSQ: 一個可減少神經網路量化誤差的可學習梯度之線性對稱量化演算法
7.	基於記憶體內運算架構硬體限制的兩階段神經網路訓練框架
8.	深度學習推薦模型之感知資料存取頻率修剪與量化
9.	以引導資訊完成深度學習模型的壓縮
10.	CAMPQ: 基於隨機存取記憶體內運算架構自適應混精度量化聯合剪枝演算法
11.	增強後訓練量化方法之考慮輸入雜訊
12.	應用於生醫植入式系統之0.18μm互補式金氧半製程中高壓神經刺激電路開發
13.	懸浮閘電晶體於0.18μm單層多晶矽CMOS製程之開發與其在類比電路上的應用
14.	用於植入式裝置中讀取神經訊號的低雜訊放大器
15.	適用於電子鼻晶片中與標準CMOS製程相容之積體化導電聚合物氣體感測器陣列及其適應介面電路

簡易查詢 | 進階查詢 | 論文瀏覽 | 熱門排行 | 管理/審核者登入