MétaCan
Menu
Retour à la cohorte
Enregistrement W2539913202 · doi:10.1109/acssc.2011.6190419

Exploration of sign precomputation-based CORDIC in reconfigurable systems

2011· article· en· W2539913202 sur OpenAlexafffund
Dian-Marie Ross, Scott W. Miller, Mihai Sima, Michael McGuire

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueNumerical Methods and Algorithms
Établissements canadiensUniversity of Victoria
Organismes subventionnairesAUTO21 Network of Centres of Excellence
Mots-clésCORDICPrecomputationVirtexField-programmable gate arrayComputer scienceParallel computingSign (mathematics)Computer hardwareAlgorithmMathematicsComputation

Résumé

récupéré en direct d'OpenAlex

Presented is an analysis of standard CORDIC implementations with sign precomputation mapped onto four modern Xilinx Field-Programmable Gate Arrays (FPGA) families, Virtex-4, -5, -6 and Spartan-6. Three methods of sign precomputation, P-CORDIC, Flat-CORDIC and Para-CORDIC have been proposed in previous literature as parallel methods for reducing CORDIC algorithm logic delay when implemented on an Application Specific Integrated Circuits (ASICs). However, little analysis exists on reconfigurable implementations where one major algorithm optimization design goal is to reduce interconnection delay. All three sign precomputation CORDIC techniques are shown to improve delay and logic utilization when compared with standard CORDIC. On state-of-the-art FPGAs, such as Virtex-6, P-CORDIC is found to perform best; on older devices, such as Virtex-4, Flat-CORDIC has the best performance. On in-between FPGAs, such as the Virtex-5, and Spartan-6, there is no clear winner between P-CORDIC and Flat-CORDIC. Para-CORDIC never outperforms P-CORDIC and Flat-CORDIC, but still represents an improvement over standard CORDIC implementations. Furthermore, Para-CORDIC can be deeply pipelined for applications where high throughput is the main design goal.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,099
Tête enseignante GPT0,286
Écart entre enseignants0,187 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetNumerical Methods and AlgorithmsTravaux en français237 207