ReRAM-PIM CNN故障注入框架揭示脆弱性
热点事件观察中
ReRAM-PIM CNN故障注入框架揭示脆弱性
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Aniseh Dorostkar、Hamed Farbeh与Hamid R. Zarandi开发故障注入框架，将CNN学习参数映射到ReRAM交叉阵列，评估存内计算加速器在软件和硬件推理阶段的故障脆弱性。 基于arXiv论文的故障注入结果，不同模型的脆弱性随网络层深度、参数位置及故障类型而变化；研究显示，固定低电平（SaL）故障对分类准确率的负面影响高于固定高电平（SaH）故障。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 12:00
ReRAM 存内计算 CNN 加速器的实证故障脆弱性探索报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · cs.AIReRAM 存内计算 CNN 加速器的实证故障脆弱性探索
研究人员构建故障注入框架，考察 ReRAM 存内计算 CNN 加速器在软件与硬件推理阶段的故障脆弱性，并将 CNN 学习参数映射至 ReRAM 交叉阵列，分析 SaH 与 SaL 故障对不同网络层、参数位置和故障类型的影响。实验表明，不同模型的脆弱性存在差异，且 SaL 对分类准确率的负面影响高于 SaH。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。