Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Detecting hard synapses faults in artificial neural networks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F19%3APU134147" target="_blank" >RIV/00216305:26230/19:PU134147 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.fit.vut.cz/research/publication/11876/" target="_blank" >https://www.fit.vut.cz/research/publication/11876/</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/LATW.2019.8704637" target="_blank" >10.1109/LATW.2019.8704637</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Detecting hard synapses faults in artificial neural networks

  • Popis výsledku v původním jazyce

    This paper presents the concepts of detecting hard faults in artificial neural network synapses using the modification of the neural network settings. The core of this work is based on weights values modification and inserting the chosen testing data when comparing the neural network output to the known valid results. The paper also discuss the problem of neural network output saturation and provide experiments on influence of the neural network settings to the problem in this regard.

  • Název v anglickém jazyce

    Detecting hard synapses faults in artificial neural networks

  • Popis výsledku anglicky

    This paper presents the concepts of detecting hard faults in artificial neural network synapses using the modification of the neural network settings. The core of this work is based on weights values modification and inserting the chosen testing data when comparing the neural network output to the known valid results. The paper also discuss the problem of neural network output saturation and provide experiments on influence of the neural network settings to the problem in this regard.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20206 - Computer hardware and architecture

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    20th IEEE Latin American Test Symposium (LATS 2019)

  • ISBN

    978-1-7281-1756-0

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    1-6

  • Název nakladatele

    IEEE Computer Society

  • Místo vydání

    Santiago de Chile

  • Místo konání akce

    Hotel Fundador, Santiago de Chile

  • Datum konání akce

    11. 3. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000469850000035