您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201904-38
论文题目 基于CNN的手写识别芯片关键计算模块硬件加速方案设计
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于CNN的手写识别芯片关键计算模块硬件加速方案设计

首发时间:2019-04-02

杜高明 1   

杜高明(1977-),男,副教授、硕导,多核体系结构、片上网络体系结构、多核、NoC性能分析

田超 1   

田超(1996-),男

李桢旻 1   

李桢旻(1983-),男,讲师,实时嵌入式系统、GALS计算模型、Java硬件处理器、片上网络、深度学习

邓宸 1   

邓宸(1998-),男

郭围围 1   

郭围围(1998-),男

吴树明 1   

吴树明(1992-),男

  • 1、合肥工业大学微电子学院,合肥市 230031

摘要:手写识别作为输入法核心的一部分,其快捷性和准确性一直是近年来科技研究的重点方向。近几十年来,在众多学者和科研人员的的努力下,手写识别技术取得较大进步,但由于移动设备CPU、内存等性能的制约下,手写识别仍存在速度较慢以及识别准确度低等问题,这种延迟会造成功耗大、缩短设备寿命、造成用户体验感差等问题。基于CNN理论指导下,对手写识别应用进行硬件加速是解决此类问题的有效方法。我们通过对Lenet-5结构进行并行性分析,利用多播片上网络的扩展性好和通信带宽高的优势,在片上网络的节点挂载硬件加速单元,协调各硬件加速单元的操作完成整个识别过程的硬件加速。

关键词: 手写识别 CNN 加速单元

For information in English, please click here

Design of Hardware Acceleration Scheme for Key Computing Module of Handwritten Recognition Chip Based on CNN

Du Gaoming 1   

杜高明(1977-),男,副教授、硕导,多核体系结构、片上网络体系结构、多核、NoC性能分析

Tiao Chao 1   

田超(1996-),男

Li Zhenmin 1   

李桢旻(1983-),男,讲师,实时嵌入式系统、GALS计算模型、Java硬件处理器、片上网络、深度学习

DengChen 1   

邓宸(1998-),男

Guo Weiwei 1   

郭围围(1998-),男

Wu Shuminig 1   

吴树明(1992-),男

  • 1、Hefei University of Technology,College of Microelectronics,Hefei 230031

Abstract:Handwritten recognition, as a core part of input method, has been the focus of scientific and technological research in recent years for its rapidity and accuracy. In recent decades, with the efforts of many scholars and researchers, handwriting recognition technology has made great progress. However, due to the constraints of CPU, memory and other performance of mobile devices, handwriting recognition still has some problems, such as slow speed and low recognition accuracy. This delay will lead to large power consumption, shorten the life of devices, and result in poor user experience. Under the guidance of CNN theory, hardware acceleration of handwriting recognition application is an effective way to solve such problems. By analyzing the parallelism of Lenet-5 structure, we use the advantages of good scalability and high communication bandwidth of multicast network to mount hardware acceleration units on the nodes of network-on-chip, coordinate the operation of each hardware acceleration unit to complete the hardware acceleration of the whole identification process.

Keywords: Handwritten Recognition CNN Acceleration Unit

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
杜高明,田超,李桢旻,等. 基于CNN的手写识别芯片关键计算模块硬件加速方案设计[EB/OL]. 北京:中国科技论文在线 [2019-04-02]. http://www.paper.edu.cn/releasepaper/content/201904-38.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于CNN的手写识别芯片关键计算模块硬件加速方案设计