MétaCan
Menu
Retour à la cohorte
Enregistrement W2275229127 · doi:10.11575/prism/27112

Noise-Immune Digital Circuit Design Based on Probabilistic Models

2012· dissertation· en· W2275229127 sur OpenAlexfundno aff
G. Tangim

Notice bibliographique

RevuePRISM (University of Calgary) · 2012
Typedissertation
Langueen
DomaineEngineering
ThématiqueAnalog and Mixed-Signal Circuit Design
Établissements canadiensnon disponible
Organismes subventionnairesAlberta InnovatesAlberta Innovates - Technology Futures
Mots-clésNoise (video)Computer scienceProbabilistic logicElectronic engineeringArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

This thesis focuses on the logic design architectures that are inherently tolerant to noise. It aims at achieving noise-tolerance using Markov Random Field (MRF). This model considers inputs and outputs of a circuit as random variables and the function is evaluated via correct network states, which maximize the joint probability distribution of those variables. In implementation, this translates in creating a feedback that reinforces the correct states. Such circuits are simulated using the 16nm predictive CMOS technology model in SPICE. This thesis proposes the implementation of MRF using Binary decision Diagrams (BDDs) where such circuits are realized on bi-directional switches. To accomplish the stability, we introduce BDD with feedback, called Cyclic BDD. The proposed designs are oriented at hardware implementation on the BDD based wrap-gate nanowire architectures. The comparison of the proposed design against conventional probabilistic models, in terms of performance, shows lesser power dissipation with the minimum area overhead.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,176
Écart entre enseignants0,157 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePRISM (University of Calgary)Même sujetAnalog and Mixed-Signal Circuit DesignTravaux en français237 207