典型文献
一种基于功耗分析的深度卷积神经网络识别方法
文献摘要：
作为类脑计算领域的一个重要研究成果,深度卷积神经网络(Deep Convolutional Neural Networks,DCNN)已经广泛应用到计算机视觉、自然语言处理、信息检索、语音识别、语义理解等多个领域,卷积神经网络具有局部连接、权值共享和池化操作等特性,可以有效降低网络复杂度,减少训练参数的数目.文章重点从平台搭建、实验设计与讨论、数据分析三方面,介绍了运用功耗分析方法识别卷积神经网络(Convolutional Neural Networks,CNN)的相关实验.通过多组对照实验的设计和数据分析验证了该实验的可行性,并根据实验存在的局限性,提出了未来基于深度卷积神经网络的功耗分析实验待解决的问题与挑战.
文献关键词：
深度卷积神经网络;功耗分析;高精度识别;结构差异
中图分类号：
作者姓名：
方泽彬;吴小笛;杨帆;何杰逊
作者机构：
第七一五研究所,杭州,310023
文献出处：
引用格式：
[1]方泽彬;吴小笛;杨帆;何杰逊-.一种基于功耗分析的深度卷积神经网络识别方法)[J].声学与电子工程,2022(02):14-18
A类：
B类：
功耗分析,深度卷积神经网络,类脑计算,Deep,Convolutional,Neural,Networks,DCNN,计算机视觉,自然语言处理,信息检索,语音识别,语义理解,局部连接,权值共享,池化操作,少训练,平台搭建,实验设计,方法识别,对照实验,分析验证,问题与挑战,高精度识别,结构差异
AB值：
0.346486
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
