Eciton: Very Low-Power LSTM Neural Network Accelerator for Predictive Maintenance at the Edge

This paper presents Eciton, a very low-power LSTM neural network accelerator for low-power edge sensor nodes, demonstrating real-time processing on predictive maintenance applications with a power consumption of 17 mW under load. Eciton reduces memory and chip resource requirements via 8-bit quantiz...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	International Conference on Field-programmable Logic and Applications S. 1 - 8
Hauptverfasser:	Chen, Jeffrey, Hong, Sehwan, He, Warrick, Moon, Jinyeong, Jun, Sang-Woo
Format:	Tagungsbericht
Sprache:	Englisch
Veröffentlicht:	IEEE 01.08.2021
Schlagworte:	CPS edge iCE40 IoT Lattices low power LSTM Memory management Neural networks Power demand Predictive Maintenance Quantization (signal) Wireless communication Wireless sensor networks
ISSN:	1946-1488
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!