Mohammad Rasoul Roshanshah
PulseAugur coverage of Mohammad Rasoul Roshanshah — every cluster mentioning Mohammad Rasoul Roshanshah across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
ChroNoC:无表式片上网络提升神经形态计算效率
研究人员开发了ChroNoC,这是一种新颖的无表式时分复用(TDM)片上网络(NoC),专为时间敏感型神经形态计算而设计。该系统将广播树嵌入组合逻辑中,简化了部署并减少了配置内存需求。相关的延迟感知调度(DARSA)框架通过考虑轴突延迟来优化任务放置和调度,错开网络注入以减少通信开销和冲突。
-
提出Kolmogorov-Arnold网络用于透明脑电图癫痫检测
一篇新的arXiv论文回顾了传统深度学习模型在脑电图(EEG)癫痫检测中的局限性,强调了可解释性、数据需求和计算成本等方面的问题。该论文提出Kolmogorov-Arnold网络(KANs)作为一种有前景的替代方案,认为KANs可以提供更高的参数效率、固有的透明度以增强临床信任,并在有限数据下获得更好的性能。这一转变可能促成下一代、患者特异性、透明化的临床脑电图监测系统。
-
新的SNN架构提升能效和性能
研究人员开发了两种新颖的架构,ReSCom和SupraSNN,旨在提高脉冲神经网络(SNN)的能效和性能。ReSCom利用随机计算进行乘法运算,以降低硬件复杂性并保持稳定的推理,提供准确性、延迟和能耗之间的动态权衡。SupraSNN受超标量处理器的启发,物理上解耦了突触和神经元计算,以利用突触级别的并行性,实现了比以前基于FPGA的SNN加速器更低的延迟和更好的能效。另外,一种名为GRAU的新设计为神经网络硬件加速器提供了一种通用的可…