인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Stochastic computing-based Bayesian inference has emerged as a powerful approach for statistical computation, particularly in domains requiring high-dimensional probabilistic analysis. However, in conventional Von Neumann architectures, stochastic computing faces significant energy challenges due to the exponential growth of data volume associated with the Internet of Things (IoT). In this work, we proposed a CMOS stochastic bit-based Bayesian inference accelerator designed for energy-efficient stochastic computation. The stochastic bit in our design performs dual functions as both: 1) stochastic computation unit and 2) memory element, enabling an energy-optimized implementation of Bayesian inference. The proposed design is validated through a case study involving a 3-layer, 4-variable Bayesian network model, implemented using TSMC 65 nm GP process technology, with total energy of 1.5 nJ.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094677286
