MonoSparse-CAM：基于单调性与稀疏性的 CAM 树模型高效处理
机器学习
2024-12-30 v2 人工智能
硬件体系结构
摘要
虽然基于树的机器学习（TBML）模型在表格数据上表现优于神经网络，并因其在 aCAM 数组中的能源效率加速潜力而备受期待，但其在硬件上实现尚存挑战。本文提出 MonoSparse-CAM，一种新型的 CAM 基于优化技术，利用 TBML 的稀疏性和单调性进一步提升处理性能。我们的实验结果表明，MonoSparse-CAM 在能源消耗方面较原始处理降低最高可达 28.56 倍，较最新技术降低 18.51 倍，同时计算效率至少提高 1.68 倍。
引用
@article{arxiv.2407.11071,
title = {MonoSparse-CAM: Efficient Tree Model Processing via Monotonicity and Sparsity in CAMs},
author = {Tergel Molom-Ochir and Brady Taylor and Hai Li and Yiran Chen},
journal= {arXiv preprint arXiv:2407.11071},
year = {2024}
}