Компьютерные науки > Архитектура аппаратных средств [представлена 15 сентября 2026 года] Название: Carry-Secondcum: Легкая неисправность-детекция для СиЭн-эн взлома на Edge View PDF HTML (экспериментальное) резюме: Comvolutional Neural Networks (CNN) все чаще используются в прикладных программах по обеспечению безопасности с критическими краями, где мягкие ошибки могут молчаливо исказить вывод и привести к небезопасным решениям. Такие приложения, как правило, опираются на ресурсосвязанные встроенные ГПС, требующие методов выявления и смягчения неисправностей, которые добавляют минимальные расчетные значения, память и запоздалые накладные расходы при последовательной интеграции со стандартным трубопроводом для вывода GPU. Существующие методы допуска на неисправность, основанные на алгоритмах, основываются на матричной проверке и проверке на основе каждого функционирования, вводя значительные накладные расходы, которые являются запретительными для вывода Си-эн-Эн по вводимым ГПС. В рамках этой работы мы предлагаем провести проверку, принципиально новую схему для обнаружения мягких газов в выводах CNN по встроенным GPU. Этот метод встраивает специальные фильтры для переноски через распределительные слои, которые вычисляют контрольную сумму из собственных операций Си-Эн-эн и распространяют ее с помощью выводов, что позволяет выявлять погрешности от конца к концу путем единой проверки выходных данных. Экспериментальные результаты по нескольким архитектурам CNN показывают, что…
Проверочная сумма: легкое неисправное устройство для CNN
arXiv:2609.16742v1 Annuales Type: cross rebstrate: Convolutional Neural Networks (CNNS) все чаще используются в прикладных программах, имеющих крайне важное значение для обеспечения безопасности, где мягкие ошибки могут тихо исказить результаты и привести к принятию небезопасных решений. Такие приложения, как правило, опираются на ресурсосвязанные встроенные ГПС, требующие методов выявления и смягчения неисправностей, которые добавляют минимальные расчетные значения, память и запоздалые накладные расходы при последовательной интеграции со стандартным трубопроводом для вывода GPU. Существующие методы допуска на неисправность, основанные на алгоритмах, основываются на матричной проверке и проверке на основе каждого функционирования, вводя значительные накладные расходы, которые являются запретительными для вывода Си-эн-Эн по вводимым ГПС. В рамках этой работы мы предлагаем провести проверку, принципиально новую схему для обнаружения мягких газов в выводах CNN по встроенным GPU. Этот метод встраивает специальные фильтры для переноски через вращательные слои, которые вычисляют контрольную мембрану из собственных операций Си-Эн и распространяют ее с помощью аферыc