Publication

Phase-Change Memory Models for Deep Learning Training and Inference

Publications associées (45)

À propos
Confidentialité
Mentions légales

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

Phase-Change Memory Models for Deep Learning Training and Inference

Graph Chatbot

Chattez avec Graph Search

Accurate deep neural network inference using computational phase-change memory

Accurate Emulation of Memristive Crossbar Arrays for In-Memory Computing

Exploration Methodology for BTI-Induced Failures on RRAM-Based Edge AI Systems

Computational memory-based inference and training of deep neural networks

Training fully connected networks with resistive memories: impact of device failures

Biologically plausible deep learning – but how far can we go with shallow networks?

A Product Engine for Energy-Efficient Execution of Binary Neural Networks Using Resistive Memories

Jamming transition as a paradigm to understand the loss landscape of deep neural networks

Mixed-precision architecture based on computational memory for training deep neural networks

Perspective on training fully connected networks with resistive memories: Device requirements for multiple conductances of varying significance