Are CNNs reliable enough for critical ...
Type de document :
Compte-rendu et recension critique d'ouvrage
Titre :
Are CNNs reliable enough for critical applications? An exploratory study
Auteur(s) :
Neggaz, Mohamed Ayoub [Auteur]
Laboratoire d'Automatique, de Mécanique et d'Informatique industrielles et Humaines - UMR 8201 [LAMIH]
Alouani, Lihsen [Auteur]
Institut d’Électronique, de Microélectronique et de Nanotechnologie - UMR 8520 [IEMN]
COMmunications NUMériques - IEMN [COMNUM - IEMN]
INSA Institut National des Sciences Appliquées Hauts-de-France [INSA Hauts-De-France]
Niar, Smail [Auteur]
Laboratoire d'Automatique, de Mécanique et d'Informatique industrielles et Humaines - UMR 8201 [LAMIH]
Kurdahi, Fadi [Auteur]
Centro de Estudios Científicos [CECs]
Laboratoire d'Automatique, de Mécanique et d'Informatique industrielles et Humaines - UMR 8201 [LAMIH]
Alouani, Lihsen [Auteur]
Institut d’Électronique, de Microélectronique et de Nanotechnologie - UMR 8520 [IEMN]
COMmunications NUMériques - IEMN [COMNUM - IEMN]
INSA Institut National des Sciences Appliquées Hauts-de-France [INSA Hauts-De-France]
Niar, Smail [Auteur]
Laboratoire d'Automatique, de Mécanique et d'Informatique industrielles et Humaines - UMR 8201 [LAMIH]
Kurdahi, Fadi [Auteur]
Centro de Estudios Científicos [CECs]
Titre de la revue :
IEEE Design & Test
Pagination :
76-83
Éditeur :
IEEE
Date de publication :
2020-04
ISSN :
2168-2356
Mot(s)-clé(s) en anglais :
Engines
Fault tolerant systems
Reliability engineering
Quantization (signal)
Feature extraction
Machine Learning
Convolutional Neural Networks
Reliability
Single Event Upsets
Multiple Event Upsets
Embedded Systems
Fault tolerant systems
Reliability engineering
Quantization (signal)
Feature extraction
Machine Learning
Convolutional Neural Networks
Reliability
Single Event Upsets
Multiple Event Upsets
Embedded Systems
Discipline(s) HAL :
Sciences de l'ingénieur [physics]
Informatique [cs]
Informatique [cs]/Intelligence artificielle [cs.AI]
Informatique [cs]/Réseaux et télécommunications [cs.NI]
Sciences de l'ingénieur [physics]/Traitement du signal et de l'image [eess.SP]
Sciences de l'ingénieur [physics]/Electronique
Informatique [cs]
Informatique [cs]/Intelligence artificielle [cs.AI]
Informatique [cs]/Réseaux et télécommunications [cs.NI]
Sciences de l'ingénieur [physics]/Traitement du signal et de l'image [eess.SP]
Sciences de l'ingénieur [physics]/Electronique
Résumé en anglais : [en]
Resource-constrained CNN implementations are subject to various reliability threats. This article provides an exploratory study investigating the impact of faults (soft errors modeled as bit flips) across the parameters ...
Lire la suite >Resource-constrained CNN implementations are subject to various reliability threats. This article provides an exploratory study investigating the impact of faults (soft errors modeled as bit flips) across the parameters of CNNs and the impact on the CNN weights, which can be used to create reliability-aware design guidelines. -Theocharis Theocharides, University of Cyprus -Muhammad Shafique, Technische Universitat WienLire moins >
Lire la suite >Resource-constrained CNN implementations are subject to various reliability threats. This article provides an exploratory study investigating the impact of faults (soft errors modeled as bit flips) across the parameters of CNNs and the impact on the CNN weights, which can be used to create reliability-aware design guidelines. -Theocharis Theocharides, University of Cyprus -Muhammad Shafique, Technische Universitat WienLire moins >
Langue :
Anglais
Vulgarisation :
Non
Source :