Rachmad Vidya Wicaksana Putra
PulseAugur coverage of Rachmad Vidya Wicaksana Putra — every cluster mentioning Rachmad Vidya Wicaksana Putra across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新框架RobustNCL提升神经形态学习的可靠性
研究人员开发了RobustNCL，一个旨在增强神经形态持续学习（NCL）系统在瞬态故障下可靠性的新框架。NCL使用节能的事件驱动操作，但可能受到硬件故障的损害，尤其是在片外内存中。RobustNCL通过实施一种轻量级的检测与修复策略来解决这个问题，该策略监控并纠正从内存访问的异常权重数据。这种方法在即使在高故障率下也能保持高精度，性能下降极小，同时产生的延迟和能量开销可忽略不计。
-
AI研究进展，llama.cpp优化，以及AI对新闻的影响的讨论
llama.cpp项目的最新更新，包括预发布版本b11835和b11822，专注于优化跨平台性能，并整合对Qwen和DeepSeek等新模型的支持。这些更新包括对SYCL、KleidiAI和ACL Graph的增强，旨在提高从macOS和iOS到Linux、Android和Windows等系统的效率。同时，研究论文正在探索先进的AI概念，如高效神经形态持续学习和可认证的少样本迁移学习，以及使用多模态对比学习进行地理区域表示的方法。AI…
-
MDTransformer：新型光子加速器设计提高效率
研究人员开发了MDTransformer，一种用于光子Transformer加速器的新型软硬件协同设计。该系统利用模分光数据流和逆向设计的 Buty componentes 来执行复杂的矩阵运算，从而能够在独立的 Buty 通道上实现并行计算。与现有的光子Transformer加速器相比，MDTransformer 在面积减小、节能和能效方面取得了显著改进，同时保持了可比的 Buty。
-
新的 MTSpark 方法使用脉冲神经网络实现节能的多任务强化学习
研究人员推出了一种名为 MTSpark 的新方法，旨在提高同步多任务强化学习的能源效率。该方法利用了带有主动树突、对偶结构和任务特定上下文信号的脉冲神经网络 (SNN)。MTSpark 为单个任务动态形成专门的子网络，从而实现更高效的处理，并将能耗降低约一半，优于现有最先进的方法。该系统在三款 Atari 游戏中表现出色，得分接近人类水平，同时保持了可比的内存使用量。
-
新框架自动压缩低功耗AI视觉模型
研究人员开发了AQ4SViT，一个自动化的框架，旨在压缩脉冲视觉Transformer (SViTs)，以用于资源受限的嵌入式AI系统。该新框架通过采用一种利用膜电位漂移作为性能代理的搜索门控策略，解决了手动量化的可扩展性问题。AQ4SViT提供两种搜索变体：贪婪搜索，速度更快但可能找到局部最优解；束搜索，速度较慢但旨在找到全局最优解。实验表明，AQ4SViT-Greedy可实现高达82.5%的内存节省，AQ4SViT-Beam可实现…
-
新框架PSViT和PrimeSVT对SViT模型进行剪枝以提高效率
研究人员开发了两个新框架PSViT和PrimeSVT，用于压缩脉冲视觉Transformer（SViTs），使其更适合资源受限的设备。PSViT采用结构化剪枝方法，包括通道级滤波器剪枝和敏感性分析，以减小模型尺寸并保持准确性。PrimeSVT提供了一种自动化的、内存感知的方法，该方法根据层大小和鲁棒性优先进行压缩，在不牺牲性能的情况下实现显著的内存节省。