( en | de | ru )

 

Disambiguierung von "Ding, Caiwen"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Efficient Recurrent Neural Networks using Structured Matrices in FPGAs.

, , , , , und . ICLR (Workshop), OpenReview.net, (2018)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Ding Ding

Ding Ding

Huawen Ding

Wei Ding

Reinhard Ding

 

Weitere Publikationen von Autoren mit dem selben Namen

Weakly Supervised Change Detection via Knowledge Distillation and Multiscale Sigmoid Inference., , , und . CoRR, (2024)FL-DISCO: Federated Generative Adversarial Network for Graph-based Molecule Drug Discovery: Special Session Paper., , , , , , , , und . ICCAD, Seite 1-7. IEEE, (2021)Towards Ultra-High Performance and Energy Efficiency of Deep Learning Systems: An Algorithm-Hardware Co-Optimization Framework., , , , , , , , , und 1 andere Autor(en). AAAI, Seite 4235-4243. AAAI Press, (2018)A Secure and Efficient Federated Learning Framework for NLP., , , , , , , , , und . EMNLP (1), Seite 7676-7682. Association for Computational Linguistics, (2021)AutoReP: Automatic ReLU Replacement for Fast Private Network Inference., , , , , , , , , und 4 andere Autor(en). ICCV, Seite 5155-5165. IEEE, (2023)Enabling Fast Deep Learning on Tiny Energy-Harvesting IoT Devices., , , , , und . DATE, Seite 921-926. IEEE, (2022)Accelerating Transformer-based Deep Learning Models on FPGAs using Column Balanced Block Pruning., , , , , , , und . ISQED, Seite 142-148. IEEE, (2021)An End-to-end Multi-task Object Detection using Embedded GPU in Autonomous Driving., , , , und . ISQED, Seite 122-128. IEEE, (2021)REQ-YOLO: A Resource-Aware, Efficient Quantization Framework for Object Detection on FPGAs., , , , , und . FPGA, Seite 33-42. ACM, (2019)Softmax Regression Design for Stochastic Computing Based Deep Convolutional Neural Networks., , , , , , , , und . ACM Great Lakes Symposium on VLSI, Seite 467-470. ACM, (2017)