面向硬件实现人工神经网络的动态容错：一种深度学习方法
机器学习
2022-10-18 v1 硬件体系结构
摘要
电子电路的功能可能因动态硬件故障的发生而严重受损。特别是对于数字超低功耗系统，降低的安全裕度会增加动态失效的概率。本文研究了一种减轻人工神经网络动态故障影响的深度学习方法。作为一个理论用例，考虑了基于深度自编码器的图像压缩。评估显示测试损失与测试期间的故障注入率呈线性依赖关系。若训练轮数足够大，我们的方法相比基线网络在无需额外硬件的情况下实现了超过2%的测试损失降低。在测试期间无故障时，我们的方法相比参考网络也降低了测试损失。
引用
@article{arxiv.2210.08601,
title = {Towards Dynamic Fault Tolerance for Hardware-Implemented Artificial Neural Networks: A Deep Learning Approach},
author = {Daniel Gregorek and Nils Hülsmeier and Steffen Paul},
journal= {arXiv preprint arXiv:2210.08601},
year = {2022}
}
备注
Presented at On- and Near-sensor Vision Processing, from Photons to Applications (ONSVP) Workshop during IEEE International Conference on Robotics and Automation (ICRA) 2021