Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.
Teknologi · CC BY 4.0 · Sumber data
Apa tujuan dan pendekatan risetnya?
Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.
Model akan mengekstraksi korelasi spasial dari nonidealitas perangkat lalu mengganti operasi deterministik CNN dengan operasi statistik pada distribusi kanonik. Classifier sadar variabilitas diteliti menggunakan inspirasi error-correcting output codes, dilengkapi preprocessing masukan yang tidak mengubah jaringan. Paradigma dibandingkan lintas platform pada klasifikasi citra, segmentasi biomedis, dan tracking target drone. Penelitian menargetkan robustness yang dapat diperbesar tanpa menghilangkan keuntungan energi processing-in-memory, dengan efek ketidakpastian bobot sebagai sumber gangguan utama.
Konteks pengembangan
- Institusi penerima pada catatan
- North Carolina State University
- Program
- PPoSS-PP of Scalable Systems
- Periode pendanaan tercatat
- 2023-10-01 → 2025-09-30
Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.
Klasifikasi NSF
- Directorate for Computer and Information Science and Engineering
- Division of Computing and Communication Foundations
Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.
Apa yang diketahui tentang statusnya?
Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.
Batas informasi
Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.
Dasar profil
- NSF Award: SPX: Collaborative Research: Scalable Neural Network Paradigms to Address Variability in Emerging Device based Platforms for Large Scale Neuromorphic Computing ↗
National Science Foundation (NSF) · Amendemen tercatat 12/27/2023
Diakses 2026-10-14. Metadata penghargaan dan abstrak publik NSF menjadi dasar parafrasa editorial Indonesia. Dokumen dan aset lain mengikuti hak pemiliknya.