| DC Field | Value | Language |
|---|
| dc.contributor.author | Осипов, А. С. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-06-01T07:10:45Z | - |
| dc.date.available | 2026-06-01T07:10:45Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Осипов, А. С. IP-компонент конвейерного ускорителя сверточных нейронных сетей для СНК серии Zynq-7000 = IP core of a pipelined convolutional neural network accelerator for Zynq-7000 SoCs / А. С. Осипов // Компьютерные системы и сети : сборник материалов 62-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 13–17 апреля 2026 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2026. – С. 275–277. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/63874 | - |
| dc.description.abstract | В статье представлена архитектура IP-компонента, предназначенного для вычисления прямого распространения нейронных сетей произвольной структуры, включающих полносвязные и сверточные слои, а также слой подвыборки. Приведены результаты сравнительного анализа точности работы разработанного IP-компонента при различных уровнях квантования по сравнению с эталонной моделью, реализованной с использованием арифметики с плавающей точкой. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | сверточные нейронные сети | en_US |
| dc.subject | аппаратная реализация | en_US |
| dc.subject | прямое распространение | en_US |
| dc.subject | квантование | en_US |
| dc.subject | ip-компоненты | en_US |
| dc.title | IP-компонент конвейерного ускорителя сверточных нейронных сетей для СНК серии Zynq-7000 | en_US |
| dc.title.alternative | IP core of a pipelined convolutional neural network accelerator for Zynq-7000 SoCs | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The article presents the architecture of an IP core designed to compute the forward propagation of neural networks with arbitrary structures, including fully connected and convolutional layers, as well as a subsampling layer. The results of a comparative analysis of the accuracy of the developed IP core at various quantization levels, compared with a reference model implemented using floating-point arithmetic, are also provided. | en_US |
| Appears in Collections: | Компьютерные системы и сети : материалы 62-й научной конференции аспирантов, магистрантов и студентов : сборник статей (2026)
|
