( en | de | ru )

 

Disambiguierung von "Fayyazi, Arash"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
qMC: A Formal Model Checking Verification Framework For Superconducting Logic.

, , , , und . ACM Great Lakes Symposium on VLSI, Seite 259-264. ACM, (2021)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Afshin Fayyazi

Laila Arash

Haris Arash-Asish

Arash Mehdiani

Arash Alavi

 

Weitere Publikationen von Autoren mit dem selben Namen

SEERAD: A high speed yet energy-efficient rounding-based approximate divider., , , , , und . DATE, Seite 1481-1484. IEEE, (2016)Sparse Periodic Systolic Dataflow for Lowering Latency and Power Dissipation of Convolutional Neural Network Accelerators., , , und . ISLPED, Seite 3:1-3:6. ACM, (2022)qCG: A Low-Power Multi-Domain SFQ Logic Design and Verification Framework., , und . ICCD, Seite 446-449. IEEE, (2019)NeuroBlend: Towards Low-Power yet Accurate Neural Network-Based Inference Engine Blending Binary and Fixed-Point Convolutions., , , und . ACM Great Lakes Symposium on VLSI, Seite 730-735. ACM, (2024)Have your QEC and Bandwidth too!: A lightweight cryogenic decoder for common / trivial errors, and efficient bandwidth + execution management otherwise., , , , , , und . CoRR, (2022)ESPRESSO-GPU: Blazingly Fast Two-Level Logic Minimization., , , und . DATE, Seite 1038-1043. IEEE, (2021)VeriSFQ: A Semi-formal Verification Framework and Benchmark for Single Flux Quantum Technology., , , , , und . ISQED, Seite 224-230. IEEE, (2019)NullaNet Tiny: Ultra-low-latency DNN Inference Through Fixed-function Combinational Logic., , , , , und . FCCM, Seite 266-267. IEEE, (2021)A Hybrid Framework for Functional Verification using Reinforcement Learning and Deep Learning., , , , , und . ACM Great Lakes Symposium on VLSI, Seite 367-370. ACM, (2019)CSrram: Area-Efficient Low-Power Ex-Situ Training Framework for Memristive Neuromorphic Circuits Based on Clustered Sparsity., , , , und . ISVLSI, Seite 465-470. IEEE, (2019)