DIMCA: An Area-Efficient Digital In-Memory Computing Macro Featuring Approximate Arithmetic Hardware in 28 nm

Recent SRAM-based in-memory computing (IMC) hardware demonstrates high energy efficiency and throughput for matrix-vector multiplication (MVM), the dominant kernel for deep neural networks (DNNs). Earlier IMC macros have employed analog-mixed-signal (AMS) arithmetic hardware. However, those so-calle...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE journal of solid-state circuits Ročník 59; číslo 3; s. 960 - 971
Hlavní autoři:	Lin, Chuan-Tung, Wang, Dewei, Zhang, Bo, Chen, Gregory K., Knag, Phil C., Krishnamurthy, Ram Kumar, Seok, Mingoo
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.03.2024 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Accuracy Approximate computing Approximation approximation-aware training Arithmetic Artificial neural networks Compressors Computation Deep learning Hardware In-memory computing in-memory computing (IMC) Integrated circuit modeling Mathematical analysis Multiplication neural network accelerators Static random access memory
ISSN:	0018-9200, 1558-173X
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!