当前位置：
X-MOL 学术
›
arXiv.cs.ET
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
基于铁电FinFET的神经网络中温度变化引起的精度下降的缓解
arXiv - CS - Emerging Technologies Pub Date : 2021-03-03 , DOI: arxiv-2103.03111 Sourav De, Yao-Jen Lee, Darsen D. Lu
arXiv - CS - Emerging Technologies Pub Date : 2021-03-03 , DOI: arxiv-2103.03111 Sourav De, Yao-Jen Lee, Darsen D. Lu
本文报告了温度变化对预训练的全铁电FinFET深神经网络推理精度的影响，以及减轻这些影响的可行设计技术。我们在MNIST数据集上采用了预训练的人工神经网络（NN），其推理精度为96.4％。作为温度变化的后果，通过紧凑的模型在较大的栅极偏置范围内捕获了已编程单元的电导漂移。对于在300 K训练的NN，我们在233 K的模拟神经网络中观察到明显的推理精度下降。最后，我们部署了具有“读取电压”优化的二进制神经网络，以确保NN在温度变化下不受精度下降的影响，推理准确度96.1％
"点击查看英文标题和摘要"
更新日期：2021-03-05
"点击查看英文标题和摘要"
京公网安备 11010802027423号