بررسي پياده‌سازي سخت‌افزاري شبكه‌هاي عصبي با استفاده از روش‌هاي محاسباتي غيردقيق

انواع مختلف شبكه هاي عصبي (NN s) در انواع كاربردهاي يادگيري ماشين مانند پردازش تصوير، تشخيص گفتار، پردازش ويديو و غيره بسيار استفاده مي شوند، اما با توجه به تعداد محاسبات پيچيده و زياد، انرژي و فضاي زيادي مصرف مي كنند. از آنجايي كه شبكه‌هاي عصبي تحميل پذيري خطاي زيادي دارند، استفاده از محاسبات تصادفي و تقريبي در پياده‌سازي آن‌ها بسيار محبوب است زيرا اگرچه كمي دقت را كاهش مي دهند، اما توان و همچنين فضاي مصرفي را نيز كاهش مي‌دهند. در اين مقاله قصد داريم انواع مختلفي از NN ها را بررسي كنيم كه با استفاده از روش‌هاي محاسباتي تقريبي و تصادفي پياده‌سازي مي‌شوند كه در آن انرژي مصرفي كاهش يافته و كارايي سخت‌افزار در مقايسه با كارهايي با روش‌هاي محاسباتي دقيق بهبود يافته است.