( en | de | ru )

 

Disambiguierung von "Li, Youjie"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Liquid state machine based pattern recognition on FPGA with firing-activity dependent power gating and approximate computing.

, , und . ISCAS, Seite 361-364. IEEE, (2016)

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.

Li Li

Li Li

Li Li

Li Li

Li Li

 

Weitere Publikationen von Autoren mit dem selben Namen

Visage: enabling timely analytics for drone imagery., , , , , , , , , und . MobiCom, Seite 789-803. ACM, (2021)GradiVeQ: Vector Quantization for Bandwidth-Efficient Gradient Aggregation in Distributed CNN Training., , , , , , , , und . NeurIPS, Seite 5129-5139. (2018)PipeGCN: Efficient Full-Graph Training of Graph Convolutional Networks with Pipelined Feature Communication., , , , , und . ICLR, OpenReview.net, (2022)BNS-GCN: Efficient Full-Graph Training of Graph Convolutional Networks with Partition-Parallelism and Random Boundary Node Sampling., , , , und . MLSys, mlsys.org, (2022)Liquid state machine based pattern recognition on FPGA with firing-activity dependent power gating and approximate computing., , und . ISCAS, Seite 361-364. IEEE, (2016)DeepStore: In-Storage Acceleration for Intelligent Queries., , , , , , , , , und . MICRO, Seite 224-238. ACM, (2019)Accelerating distributed reinforcement learning with in-switch computing., , , , , und . ISCA, Seite 279-291. ACM, (2019)Pipe-SGD: A Decentralized Pipelined SGD Framework for Distributed Deep Net Training., , , , , und . NeurIPS, Seite 8056-8067. (2018)Doing more with less: training large DNN models on commodity servers for the masses., , , und . HotOS, Seite 119-127. ACM, (2021)A Network-Centric Hardware/Algorithm Co-Design to Accelerate Distributed Training of Deep Neural Networks., , , , , , , , , und . MICRO, Seite 175-188. IEEE Computer Society, (2018)