( en | de | ru )

 

Disambiguierung von "Agrawal, Ankur"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Accumulation Bit-Width Scaling For Ultra-Low Precision Training Of Deep Networks.

, , , , , , und . ICLR (Poster), OpenReview.net, (2019)

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.

Deepashri Agrawal

Ankur Ajmera

Ankur Patel

Ankur Agarwal

Ankur Kamthe

 

Weitere Publikationen von Autoren mit dem selben Namen

An 8×3.2Gb/s Parallel Receiver with Collaborative Timing Recovery., , und . ISSCC, Seite 468-469. IEEE, (2008)Designing for Movement in Public Life with Itinerant Probes., , , , , , und . Conference on Designing Interactive Systems, Seite 1072-1082. ACM, (2016)Deep Learning with Limited Numerical Precision., , , und . ICML, Volume 37 von JMLR Workshop and Conference Proceedings, Seite 1737-1746. JMLR.org, (2015)Design and test of biologically inspired multi-fiber Hydro Muscle actuated ankle., , , , , und . ARSO, Seite 1-7. IEEE, (2017)A 1.8-pJ/bit 16×16-Gb/s source synchronous parallel interface in 32nm SOI CMOS with receiver redundancy for link recalibration., , , , , , , , und . CICC, Seite 1-4. IEEE, (2015)A Unified Evaluation Framework for Autonomous Driving Vehicles., , , , und . IV, Seite 1277-1282. IEEE, (2020)Analysis of the consistency in the structural modeling of SNOMED CT and CORE problem list concepts., und . BIBM, Seite 292-296. IEEE Computer Society, (2017)A 7nm 4-Core AI Chip with 25.6TFLOPS Hybrid FP8 Training, 102.4TOPS INT4 Inference and Workload-Aware Throttling., , , , , , , , , und 34 andere Autor(en). ISSCC, Seite 144-146. IEEE, (2021)800 Gbps Fully Integrated Silicon Photonics Transmitter for Data Center Applications., , , , , , , , , und 19 andere Autor(en). OFC, Seite 1-3. IEEE, (2022)DLFloat: A 16-b Floating Point Format Designed for Deep Learning Training and Inference., , , , , , und . ARITH, Seite 92-95. IEEE, (2019)