بررسی پیاده‌سازی سخت‌افزاری شبکه‌های عصبی با استفاده از روش‌های محاسباتی غیردقیق

انواع مختلف شبکه های عصبی (nn s) در انواع کاربردهای یادگیری ماشین مانند پردازش تصویر، تشخیص گفتار، پردازش ویدیو و غیره بسیار استفاده می شوند، اما با توجه به تعداد محاسبات پیچیده و زیاد، انرژی و فضای زیادی مصرف می کنند. از آنجایی که شبکه‌های عصبی تحمیل پذیری خطای زیادی دارند، استفاده از محاسبات تصادفی و تقریبی در پیاده‌سازی آن‌ها بسیار محبوب است زیرا اگرچه کمی دقت را کاهش می دهند، اما توان و همچنین فضای مصرفی را نیز کاهش می‌دهند. در این مقاله قصد داریم انواع مختلفی از nn ها را بررسی کنیم که با استفاده از روش‌های محاسباتی تقریبی و تصادفی پیاده‌سازی می‌شوند که در آن انرژی مصرفی کاهش یافته و کارایی سخت‌افزار در مقایسه با کارهایی با روش‌های محاسباتی دقیق بهبود یافته است.