无乘法器印刷机器学习分类器的混合一元-二元设计
机器学习
2025-09-22 v1
摘要
印刷电子学（PE）为实现机器学习（ML）电路提供了一种灵活、低成本的硅基替代方案，但其较大的特征尺寸限制了分类器的复杂度。利用 PE 低制造成本和非重复工程（NRE）成本的优势，设计者可以针对特定 ML 模型定制硬件，从而简化电路设计。本工作探索了替代算术方案，提出了一种混合一元-二元架构，该架构去除了昂贵的编码器，并实现了 MLP 分类器的高效、无乘法器执行。我们还引入了面向架构的训练方法，以进一步提升面积和功耗效率。在六个数据集上的评估显示，面积平均减少 46%，功耗平均减少 39%，精度损失极小，超越了其他最先进的 MLP 设计。
引用
@article{arxiv.2509.15316,
title = {Hybrid unary-binary design for multiplier-less printed Machine Learning classifiers},
author = {Giorgos Armeniakos and Theodoros Mantzakidis and Dimitrios Soudris},
journal= {arXiv preprint arXiv:2509.15316},
year = {2025}
}
备注
Accepted for publication by 25th International Conference on Embedded Computer Systems: Architectures, Modeling and Simulation