训练现代深度神经网络以实现存储故障鲁棒性
机器学习
2019-11-26 v1 机器学习
摘要
由于深度神经网络（DNNs）依赖于大量的参数与计算，其在能量受限系统中的实现颇具挑战。本文研究通过降低系统中所用存储器的供电电压来节省能耗的方案，而这会导致位单元故障。我们探究了最先进的 DNN 架构对此类缺陷的鲁棒性，并提出了一种旨在缓解其对精度影响的正则化项。我们的实验清楚地表明，在故障状态下运行系统以节省能量而不降低精度是值得关注的。
引用
@article{arxiv.1911.10287,
title = {Training Modern Deep Neural Networks for Memory-Fault Robustness},
author = {Ghouthi Boukli Hacene and François Leduc-Primeau and Amal Ben Soussia and Vincent Gripon and François Gagnon},
journal= {arXiv preprint arXiv:1911.10287},
year = {2019}
}