×
验证码:
换一张
忘记密码?
记住我
×
登录
中文版
|
English
中国科学院计算技术研究所机构知识库
Institute of Computing Technology, Chinese Academy IR
登录
注册
ALL
ORCID
题名
作者
学科领域
关键词
文献类型
出处
收录类别
出版者
发表日期
存缴日期
资助项目
学科门类
学习讨论厅
图片搜索
粘贴图片网址
首页
研究单元&专题
作者
文献类型
学科分类
知识图谱
新闻&公告
在结果中检索
研究单元&专题
中国科学院计算技术研... [6]
作者
Li, Guangl... [8]
Wang, Xuey... [7]
Liu, Lei [6]
Feng, Xiao... [5]
Ma, Xiu [4]
Li, Jianso... [3]
更多...
文献类型
期刊论文 [8]
发表日期
2024 [2]
2023 [1]
2022 [3]
2021 [1]
2020 [1]
语种
英语 [8]
出处
ACM TRANSA... [2]
IEEE TRANS... [2]
JOURNAL OF... [2]
INTERNATIO... [1]
NEUROCOMPU... [1]
资助项目
National N... [3]
Science Fu... [3]
China Post... [2]
National K... [2]
National N... [2]
National N... [2]
更多...
收录类别
SCI [8]
资助机构
×
知识图谱
CSpace
开始提交
已提交作品
待认领作品
已认领作品
未提交全文
收藏管理
QQ客服
官方微博
反馈留言
浏览/检索结果:
共8条,第1-8条
帮助
限定条件
作者:Li, Guangli分Li, Guangli
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
WOS被引频次升序
WOS被引频次降序
提交时间升序
提交时间降序
期刊影响因子升序
期刊影响因子降序
题名升序
题名降序
作者升序
作者降序
发表日期升序
发表日期降序
ApproxDup: Developing an Approximate Instruction Duplication Mechanism for Efficient SDC Detection in GPGPUs
期刊论文
IEEE TRANSACTIONS ON COMPUTER-AIDED DESIGN OF INTEGRATED CIRCUITS AND SYSTEMS, 2024, 卷号: 43, 期号: 4, 页码: 1051-1064
作者:
Wei, Xiaohui
;
Jiang, Nan
;
Yue, Hengshan
;
Wang, Xiaonan
;
Zhao, Jianpeng
;
Li, Guangli
;
Qiu, Meikang
收藏
  |  
浏览/下载:6/0
  |  
提交时间:2024/05/20
Instruction sets
Reliability
Resilience
Circuit faults
Registers
Kernel
Graphics processing units
Approximate computing
GPGPUs
instruction duplication
silent data corruptions (SDCs)
soft error
Fast Convolution Meets Low Precision: Exploring Efficient Quantized Winograd Convolution on Modern CPUs
期刊论文
ACM TRANSACTIONS ON ARCHITECTURE AND CODE OPTIMIZATION, 2024, 卷号: 21, 期号: 1, 页码: 26
作者:
Wang, Xueying
;
Li, Guangli
;
Jia, Zhen
;
Feng, Xiaobing
;
Wang, Yida
收藏
  |  
浏览/下载:6/0
  |  
提交时间:2024/05/20
Deep learning
winograd convolution
low-precision computation
CoAxNN: Optimizing on-device deep learning with conditional approximate neural networks
期刊论文
JOURNAL OF SYSTEMS ARCHITECTURE, 2023, 卷号: 143, 页码: 14
作者:
Li, Guangli
;
Ma, Xiu
;
Yu, Qiuchu
;
Liu, Lei
;
Liu, Huaxiao
;
Wang, Xueying
收藏
  |  
浏览/下载:12/0
  |  
提交时间:2023/12/04
On-device deep learning
Efficient neural networks
Model approximation and optimization
An Application-oblivious Memory Scheduling System for DNN Accelerators
期刊论文
ACM TRANSACTIONS ON ARCHITECTURE AND CODE OPTIMIZATION, 2022, 卷号: 19, 期号: 4, 页码: 26
作者:
Li, Jiansong
;
Wang, Xueying
;
Chen, Xiaobing
;
Li, Guangli
;
Dong, Xiao
;
Zhao, Peng
;
Yu, Xianzhi
;
Yang, Yongxin
;
Cao, Wei
;
Liu, Lei
;
Feng, Xiaobing
收藏
  |  
浏览/下载:16/0
  |  
提交时间:2023/07/12
Deep learning
memory scheduling
runtime system
DNN accelerators
Accelerating deep neural network filter pruning with mask-aware convolutional computations on modern CPUs
期刊论文
NEUROCOMPUTING, 2022, 卷号: 505, 页码: 375-387
作者:
Ma, Xiu
;
Li, Guangli
;
Liu, Lei
;
Liu, Huaxiao
;
Wang, Xueying
收藏
  |  
浏览/下载:15/0
  |  
提交时间:2023/07/12
Deep learning systems
Neural network compression
Filter pruning
Optimizing deep neural networks on intelligent edge accelerators via flexible-rate filter pruning
期刊论文
JOURNAL OF SYSTEMS ARCHITECTURE, 2022, 卷号: 124, 页码: 11
作者:
Li, Guangli
;
Ma, Xiu
;
Wang, Xueying
;
Yue, Hengshan
;
Li, Jiansong
;
Liu, Lei
;
Feng, Xiaobing
;
Xue, Jingling
收藏
  |  
浏览/下载:29/0
  |  
提交时间:2022/12/07
Edge intelligence
Deep learning
Neural network compression
Compiler-assisted Operator Template Library for DNN Accelerators
期刊论文
INTERNATIONAL JOURNAL OF PARALLEL PROGRAMMING, 2021, 页码: 18
作者:
Li, Jiansong
;
Cao, Wei
;
Dong, Xiao
;
Li, Guangli
;
Wang, Xueying
;
Zhao, Peng
;
Liu, Lei
;
Feng, Xiaobing
收藏
  |  
浏览/下载:38/0
  |  
提交时间:2021/12/01
DNN Accelerators
Template Library
Address Space Management
Fusion-Catalyzed Pruning for Optimizing Deep Learning on Intelligent Edge Devices
期刊论文
IEEE TRANSACTIONS ON COMPUTER-AIDED DESIGN OF INTEGRATED CIRCUITS AND SYSTEMS, 2020, 卷号: 39, 期号: 11, 页码: 3614-3626
作者:
Li, Guangli
;
Ma, Xiu
;
Wang, Xueying
;
Liu, Lei
;
Xue, Jingling
;
Feng, Xiaobing
收藏
  |  
浏览/下载:50/0
  |  
提交时间:2021/12/01
Deep learning system
edge intelligence
model compression and acceleration
neural networks