{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,8,7]]，“日期-时间”：“2024-08-07T19:17:11Z”，“时间戳”：1723058231725}，“参考-计数”：65，“出版商”：“Springer Science and Business Media LLC”，“问题”：“1”，“许可证”：[{“开始”：{'日期-部件“：[[2018,1,1]]，”日期-时间“：”2018-01-01T00:00:00Z“，“timestamp”：1514764800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[”J.Compute.Sci.Technol.“]，”published-print“：{”date-parts“：[2018,1]]}，‘DOI’：“10.1007\/s11390-018-1805-8”，“类型”：“日志文章”，“created”：{“date-parts”：[[2018,1,29]]，“date-time”：“2018-01-29T21:44:48Z”，“timestamp”：1517262288000}，“page”：“1-23”，“update-policy”：”http://\/dx.doi.org\/10.10007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：16，“title”：[“BenchIP:Benching Intelligence Processors”]，“prefix”：“10.1007”，“volume”：“33”，“作者”：[{“给定”：“金华”，“家族”：“道”，“序列”：“第一”，“从属关系”：[]}，{“给定”：“自东”，“家庭”：“杜”，“顺序”：“附加”，“隶属关系”：[]}、{“已知”：“齐”，“家”：“郭”，“次序”：“额外”，“附属关系”：【】}，}“给定的”：“会英”，“家人”：“兰”，“序号”：“添加”，“归属关系”：〔〕}，“，”family“：”Zhang“，”sequence“：”additional“，“隶属关系”：[]}，{“给定”：“生源”，“家族”：“周”，“序列”：“附加”，“隶属”：[]}，}“给定的”：“凌杰”，“家庭”：“徐”，“顺序”：“额外”，“从属关系”：[]}affiliation“：[]}，{”given“：”Shan“，”family“：“唐”，“序列”：“附加”，“隶属关系”：[]｝，{“给定”：“艾伦”，“家族”：“拉什”，“序列”：“附加”，“隶属关系”：[]｝，{“给定”：“威连”，“家族”：“陈”，“序列”：“附加”，“隶属关系”：[]｝，{“给定”：“邵莉”，“家族”：“刘”，“序列”：“附加”，“隶属关系”：[]｝，{“给定”：“云姬”，“家族”：“陈”，“序列”：“附加”，附属关系”：[]}，{“given”：“Tian-Shi”，“family”：“Chen”，“sequence”：“additional”，“affiliation”：[]2]，“member”：“297”，“published-online”：{“date-parts”：[[2018,1,26]]}、“reference”：[{“issue”：“6”，“key”：”1805_CR1，“author”：“A Krizhevsky”，“year”：“2017”，“unstructured”：“Krizhevsky A，Sutskever I，Hinton G E.深度卷积神经网络的ImageNet分类。ACM通信，2017，60（6）：84-90。”，“新闻标题”：“ACM通信”}，{“密钥”：“1805_CR2”，“非结构化”：“Simonyan K，Zisserman A。用于大规模图像识别的深度卷积网络。arXiv:1409.15562014年。http://\/arxiv.org\/abs\/1409.1556，2017年12月。“}，{“key”：“1805_CR3”，“unstructured”：“He K M，Zhang X Y，Ren S Q，Sun J.图像识别的深度剩余学习。arxiv:1512.033852015。http://\/arxiv.org\/abs\/1512.033852017年12月。“}，{“key”：“1805_CR4”，“doi-asserted-by”：“crossref”，“unstructured”：“Venugopalan S，Rohrbach M，Donahue J，Mooney R，Darrell T，Saenko K.Sequence to Sequence-video to text.In Proc.the Int.Conf.Computer Vision，2015年12月，第4534-4542页。”，“doi”：“10.1109\/ICCV.2015.515”}，}，5_CR5“，”doi-asserted-by“：”crossref“，”unstructured“：”Abdel-Hamid O，Mohamed A R，Jiang H，Deng L，Penn G，Yu D.语音识别卷积神经网络。程序中。IEEE\/ACM传输。音频语音和语言处理，2014年7月，第1533-1545页。“，”DOI“：”10.1109\/TASLP.2014.2339736“}，{“key”：“1805_CR6”，“DOI-asserted-by”：“crossref”，“unstructured”：“Eriguchi A，Hashimoto K，Tsuruok Y。树到序列注意神经机器翻译。程序中。计算语言学协会第54届年会，2016年8月，第823-833页。”，“DOI”：“10.18653\/v1\/P16-1078”}，｛“key”：“1805_CR7”，“DOI断言”：“crossref”，“非结构化”：“Farabet C，Poulet C，Han J Y，LeCun Y.CNP：一种用于卷积网络的基于FPGA的处理器。在Proc.Int.Conf。《现场可编程逻辑与应用》，2009年8月31日至9月2日，第32-37页。“，“DOI”：“10.1109\/FPL.2009.5272559”}，{“key”：“1805_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhang C，Li P，Sun G Y，Guan Y J，Xiao B J，Cong J.优化基于FPGA的深度卷积神经网络加速器设计。《ACM国际通讯》。交响乐团。现场可编程门阵列，2015年2月，第161-170页。“，“DOI”：“10.1145 \/2684746.2689060”}，{“key”：“1805_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chen T S，Du Z D，Sun N H，Wang J，Wu C Y，Chen Y J，Temam O.DianNao：一种用于普遍机器学习的小字体高通量加速器。第19届国际会议记录。《编程语言和操作系统的体系结构支持》，2014年3月，第269-284页。“，“DOI”：“10.1145\/2541940.2541967”}，{“key”：“1805_CR10”，“DOI-asserted-by”：“crossref”，“unstructured”：“Farabet C，Martini B，Corda B，Akselrod P，Culurciello E，LeCun Y。NeuFlow：用于视觉的运行时可重新配置的数据流处理器。程序中。IEEE Computer Society Conf.Computer Vision and Pattern Recognition Workshops，2011年6月，第109-116页。“，“DOI”：“10.1109\/CVPRW.2011.5981829”}，{“key”：“1805_CR11”，“DOI-asserted-by”：“crossref”，“unstructured”：“Han S，Liu X Y，Mao H Z，Pu J，Pedram A，Horowitz M A，Dally W J.EIE：压缩深度神经网络上的高效推理引擎。程序中。第43国际交响乐团。《计算机体系结构》，2016年6月，第243-254页。并行体系结构和编译技术，2008年10月，第72-81页。“，“DOI”：“10.1145\/1454115.1454128”}，{“key”：“1805_CR13”，“DOI-asserted-by”：“crossref”，“unstructured”：“Alwani M，Chen H，Ferdman M，Milder P.Fused-layer CNN加速器。第49届IEEE\/ACM Int.Symp.Microarchitecture年会报，2016年10月。”，“DOI:”10.1109 \/MICRO.2016.7783725“}，{“key”：“1805_CR14”，“doi-asserted-by”：“crossref”，“unstructured”：“Judd P，Albericio J，Hetherington T，Aamodt T M，Moshovos A.Stripes:比特序列深度神经网络计算。第49届IEEE \/ACM Int.Symp.Microarchitecture年会报，2016年10月。”，“doi”：“10.1109”，MICRO.2016.778783722doi-asserted-by“：”crossref“，”unstructured“：”Rhu M，Gimelshein N，Clemons J，Zulfiqar A，Keckler S W.vDNN：虚拟化深度神经网络，用于可扩展的、节省内存的神经网络设计。程序中。第49届IEEE/ACM国际研讨会。微体系结构，2016年10月。”，“DOI”：“10.1109”，MICRO.2016.7783721“}，{“key”：“1805_CR16”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhang S J，Du Z D，Zhang L，Lan H Y，Liu S L，Li L，Guo Q，Chen T，Chen Y J.Cambricon-x：稀疏神经网络的加速器。第49届IEEE/ACM国际交响乐微体系结构，2016年十月。”DOI“：”10.1109\/MICRO.2016.7783723“}，{“key”：“1805_CR17”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ji Y，Zhang Y H，Li S C，Chi P，Jiang C H，Qu P，Xie Y，Chen W G.NEUTRAMS：神经形态硬件约束下的神经网络转换和协同设计。第49届IEEE\/ACM Int.Symp.Microarchitecture，2016年10月。”，“DOI”：“10.1109 \/MICRO.2016.7783724“}，{“key”：“1805_CR18”，“doi-asserted-by”：“crossref”，“unstructured”：“Kim D，Kung J，Chai S，Yalamanchili S，Mukhopadhyay S.Neurocube:一种具有高密度3D内存的可编程数字神经形态结构。第43届ACM \/IEEE年度国际交响乐计算机结构，2016年6月，第380-392页。”，“doi”：“10.1145 \/3007787.3001178“}，{“key”：“1805_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“LiKamWa R，Hou Y H，Gao Y，Polansky M，Zhong L.Red-Eye：用于连续移动视觉的模拟convNet图像传感器架构。第43届ACM \/IEEE年度国际交响乐计算机架构，2016年6月，第25-266页。”，“doi”：“10.1145\/300787.3001164”}key“：”1805_CR20“，”doi-asserted-by“：”crossref“，”unstructured“：”Albericio J，Judd P，Hetherington T，Aamodt T，Jerger N E，Moshovos A.Cnvlutin：无效的无神经元深层神经网络计算。程序中。第43届ACM/IEEE年度国际研讨会。《计算机体系结构》，2016年6月。“，”DOI“：”10.1109\/ISCA.2016.11“}，{“key”：“1805_CR21”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chi P，Li S C，Xu C，Zhang T，Zhao J S，Liu Y P，Wang Y，Xie Y.PRIME:一种用于基于ReRAM的主内存中神经网络计算的新型内存处理体系结构。在第43届ACM国际电气与电子工程师学会年会上发表。交响乐团。《计算机体系结构》，2016年6月，第27-39页，“DOI”：“10.1145\/3007787.3001140”}，{“key”：“1805_CR22”，“DOI-asserted-by”：“crossref”，“unstructured”：“Shafiee A，Nag A，Muralimanohar N，Balasubramonian R，Strachan J P，Hu M，Williams R S，Srikumar V。ISAAC：一种卷积神经网络加速器，在交叉杆中具有原位模拟算法。程序中。第43届ACM/IEEE年度国际研讨会。《计算机体系结构》，2016年6月，第14-26页。“，”DOI“：”10.1145 \/3007787.3001139“}，{“key”：“1805_CR23”，“DOI-asserted-by”：“crossref”，“unstructured”：“Liu S L，Du Z D，Tao J H，Han D，Luo T，Xie Y，Chen Y J，Chen T S.Cambricon:一种神经网络的指令集体系结构。第43届ACM会议记录。IEEE Annual Int。交响乐团。《计算机体系结构》，2016年6月，第393-405页。“，”DOI“：”10.1145 \/3007787.3001179“}，{”key“：”1805_CR24“，”DOI-asserted-by“：”crossref“，”unstructured“：”Chen Y H，Emer J，Sze V.Eyeriss:卷积神经网络节能数据流的空间体系结构。第43届ACM \/IEEE年会论文。交响乐团。《计算机体系结构》，2016年6月，第367-379页。“，“DOI”：“10.1145”，{“key”：“1805_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Reagen B，Whatmough P，Adolf R，Rama S，Lee H，Lee S K，Hern\u00e1ndez-Lobato J M，Wei G Y，Brooks D。Minerva：实现低功耗、高精度的深层神经网络加速器。程序中。第43届ACM/IEEE年度国际研讨会。《计算机体系结构》，2016年6月，第267-278页10.1109\/HPCA.2017.55“｝，｛“key”：“1805_CR27”，“doi asserted by”：“crossref”，“nonstructured”：“Lu W Y，Yan G H，Li J J J，Gong S J，Han Y H，Li X W.FlexFlow：一种用于卷积神经网络的灵活数据流加速器架构。在Proc.IEEE Int.Symp.High Performance Computer architecture，2017年2月，第53-564页。”，“doi”：“10.1109\/HPCA.2017.29”｝，{“key”：“1805_CR28”，“doi-asserted-by”：“crossref”，“unstructured”：“Song M C，Hu Y，Chen H X，Li T.跨GPU微体系结构实现普遍和用户满意的CNN。见IEEE Int.Symp.High Performance Computer Architecture，2017年2月。”，“doi”：“10.1109\/HPCA.2017.52”}，{：“Rastegari M、Ordonez V、Redmon J、Farhadi A.XNOR-Net:使用二进制卷积神经网络进行ImageNet分类。arXiv:1603.052792016。http://\/arxiv.org\/abs\/1603.052792017年12月。“}，{“key”：“1805_CR30”，“unstructured”：“Han S，Pool J，Tran J，Dally W J.学习有效神经网络的权重和连接。arxiv:1506.026262015。http://\/arxiv.org\/abs\/1506.026262017年12月。“}，{“key”：“1805_CR31”，“unstructured”：“Ren S Q，He K M，Girshick R，Sun J.Faster R-CNN:Towards real-time object detection with region proposition networks.In Proc.the 28 Int.Conf.Neural Information Processing Systems，December 2015，pp.91-99。”}，}，“key“：”1805_CR12“，”doi-asserted-by“：”crossref“，”非结构化”：“Parkhi O M，Vedaldi A，Zisserman A.深度人脸识别。程序中。英国机器视觉会议，2015年9月，第41:1-41:12页。“，“DOI”：“10.5244\/C.29.41”}，{“key”：“1805_CR33”，“unstructured”：“Johnson J，Karpathy A，Li F F.DenseCap:密集字幕的全卷积定位网络。arXiv:1511.075712015。http://\/arxiv.org\/abs\/1511.075712017年12月。“}，{“key”：“1805_CR34”，“doi-asserted-by”：“crossref”，“unstructured”：“Noh H，Hong S，Han B.学习语义分段的反褶积网络。见IEEE Int.Conf.Computer Vision，2015年12月，第1520-1528页。”，“doi”：“10.1109\/ICCV.2015.178”}，“key“：”1805_CR 35“，”doi-assert-by“：”Crosref“，”非结构化”：“Graves A，Mohamed A R，Hinton G.使用深度递归神经网络进行语音识别。程序中。IEEE Int.Conf.Acoustics，Speech and Signal Processing，2013年5月，第6645-6649页。“，“DOI”：“10.1109\/ICASSP.2013.6638947”}，{“key”：“1805_CR36”，“unstructured”：“Andor D，Alberti C，Weiss D，Severyn A，Presta A，Ganchev K，Petrov S，Collins M.全球标准化基于转换的神经网络。arXiv:1603.060422016。http://arxiv.org/abs\/1603.006042017年12月。“｝，｛“key”：“1805_CR37”，“doi断言者”：“crossref”，“非结构化”：“Chen Y J，Luo T，Liu S L，Zhang S J，He L Q，Wang J，Li L，Chen T S，Xu Z W，Sun N H，Team O.DaDianNao:一台机器学习超级计算机。在2014年12月第47届IEEE \/ACM Int.Symp.Microarchitecture年度会议记录中，第609-622页。”DOI“：”10.1109\/MICRO.2014.58“}，{“key”：“1805_CR38”，“DOI-asserted-by”：“crossref”，“unstructured”：“Du Z D，Fasthuber R，Chen T S，Ienne P，Li L，Feng X B，Chen Y J，Temam O.ShiDianNao：将视觉处理更接近传感器。第42届国际计算机体系结构研讨会，2015年6月，第92-104页。”，“DOI”：“10.1145\/2872887.2750389”}，“key“：”1805_CR39“，”doi-asserted-by“：”crossref“，”unstructured“：”Chen T S，Chen Y J，Duranton M，Guo Q，Hashmi A，Lipasti M，Nere A，Qiu S，Sebag M，Temam O.BenchNN：关于硬件神经网络加速器广阔的潜在应用范围。程序中。IEEE国际标准。工作量表征，2012年11月，第36-45页。“，“DOI”：“10.1109\/IISWC.2012.6402898”}，{“key”：“1805_CR40”，“DOI-asserted-by”：“crossref”，“unstructured”：“Adolf R，Rama S，Reagen B，Wei G Y，Brooks D.Fathom:现代深度学习方法的参考工作量。IEEE Int.Symp.Workload Characterization，2016年9月。”，“DOI:”10.1109\/IISWC.2016.7581275“｝，｛“issue”：“2”，“key”：“1805_CR41”，“doi asserted by”：“publisher”，“首页”：“165”，“doi”：“10.1007\/BF303040854”，“volume”：“12”，“author”：“F Murtagh”，“year”：“1995”，“nonstructured”：“Murtagh F，Hern \u00e1ndez Pajares M.科霍宁自组织地图方法：评估。分类杂志，1995，12（2）：165-190.”journal-title“：”journal of Classification“}，{“key”：“1805_CR42”，“unstructured”：“Jia Y Q，Shelhamer E，Donahue J等人。Caffe:快速特征嵌入的卷积架构。arXiv:1408.50932014。http://\/arxiv.org\/abs\/1408.50932017年12月。“}，{“key”：“1805_CR43”，“unstructured”：“Chen T Q，Li M，Li Y T et al.MXNET:异构分布式系统的灵活高效机器学习库。arxiv:1512.012742015。http://\/arxiv.org\/abs\/1512.01274，2017年12月。“}，{“issue”：“11”，“key”：“1805_CR44”，“doi-asserted-by”：“publisher”，“first page”：”2278“，“doi”：“10.1109\/5.726791”，“volume”：《86》，“author”：“Y Lecun”，“year”：“1998”，“unstructured”：“Lecun Y，Bottou L，Bengio Y，Haffner P。基于梯度的学习应用于文档识别。《IEEE学报》，1998，86（11）：2278-2324。“，“journal-title”：“IEEE学报”}，{“key”：“1805_CR45”，“doi-asserted-by”：“crossref”，“unstructured”：“Karpathy A，Li F F.生成图像描述的深层视觉语义对齐。IEEE Conf.计算机视觉和模式识别，2015年6月，第3128-3137页。”，“doi”：“10.1109 \/CVPR.2015.7298932“}，{“key”：“1805_CR46”，“doi-asserted-by”：“crossref”，“unstructured”：“He K M，Zhang X Y，Ren S Q，Sun J.深入研究整流器：在ImageNet分类方面超越人本性能。IEEE Int.Conf.Computer Vision Proc.2015年12月，第1026-1034页。”，“doi”：“10.1109\/ICCV.2015.123”}doi-asserted-by“：”crossref“，”unstructured“：”Taigman Y，Yang M，Ranzato M，Wolf L.DeepFace:缩小人脸验证中人本绩效的差距。程序中。IEEE Conf.Computer Vision and Pattern Recognition，2014年6月，第1701-1708页。“，“DOI”：“10.1109\/CVPR.2014.220”}，{“key”：“1805_CR48”，“DOI-asserted-by”：“crossref”，“unstructured”：“Le Q V.使用大规模无监督学习构建高级功能。IEEE Int.Conf.Acoustics，Speech and Signal Processing，2013年5月，第8595-8598页。”，“DOI:”10.1109\/ICSPSP.2013.6639343“}，{“key”：“1805_CR49”，“unstructured”：“Jouppi N P，Young C，Patil N et al.张量处理单元的In-datacenter性能分析.arXiv:1704.047602017。http://\/arxiv.org\/abs\/1704.047602017年12月。“}，{“key”：“1805_CR50”，“doi-asserted-by”：“crossref”，“unstructured”：“Phansalkar A，Joshi A，John L K.SPEC CPU2006基准套件中的冗余和应用程序平衡分析。第34届国际交响乐团计算机体系结构年会，2007年6月，第412-423页。”，“doi”：“10.1145\/1250662.1250713”}，{“key”：“1805_CR51”，“unstructured”：“McCalpin J D.当前高性能计算机中的内存带宽和机器平衡。IEEE计算机学会计算机体系结构技术委员会，1995年12月，第19-25页。”：“29”，“author”：“JM Bull”，“year”：“2001”，“unstructured”：“Bull J M，O\u2019Neill D.OpenMP 2.0的微基准套件。ACM SIGARCH Computer Architecture News，2001，29（5）：41-48.“，”journal-title“：”ACM SIGARCH Compute Architectural News“}，{“key”：“1805_CR53”，“unstructured”：“Graves A，Jaitly N.使用递归神经网络实现端到端语音识别。第31届国际会议机器学习，2014年6月，第1764-1772页第一页“：”313“，”卷“：”19“，”作者“：”MP Marcus“，”年份“：”1993“，”非结构化“：”Marcus M P，Santorini B，Marcinkiewicz M A。构建一个大型英语注释语料库：宾夕法尼亚树库。计算语言学，1993，19（2）：313-330.”，“新闻标题”：“计算语言学”}，{“问题”：“3”，“关键”：“1805_CR55”，“doi-asserted-by”：“出版商”，“首页”：“211”，“doi”：“10.1007\/s11263-015-0816-y”，“卷”：“115”，“作者”：“O Russakovsky”，《年份》：“2015”，“非结构化”：“Russakovsky O、Deng J、Su H、Krause J、Satheesh S、Ma S、Huang Z H、Karpathy A、Khosla A、Bernstein M、Berg A C、Li F F.ImageNet大型视觉识别挑战。国际计算机视觉杂志，2015，115（3）：211-252.“，”Journal-title“：”International Journal of Computer Vision“}，{”issue“：”2“，”key“：”1805_CR56“，”doi-asserted-by“：”publisher“，”first-page“：”303“，”doi“：”10.1007\/s11263-009-0275-4“，”volume“：“88”，“author”：“M Everingham”，“year”：“2010”，“unstructured”：“Everingham M、Van Gool L、Williams C K I、Winn J、Zisserman A.PASCAL可视对象类（VOC）挑战。国际计算机视觉杂志，2010，88（2）：303-338.”，“期刊标题”：“国际计算机视觉期刊”}，{“key”：“1805_CR57”，“unstructured”：“Huang G B，Ramesh M，Berg T，Learnd-Miller E。野外标记人脸：研究无约束环境中人脸识别的数据库。《技术报告07-49》，阿默斯特：马萨诸塞大学，2007年。http:\/\/viswww.cs.umass.edu\/lfw\/，2017年12月。“}，{”key“：”1805_CR58“，”unstructured“：”Chen D L，Dolan W B.收集高度并行的数据用于释义评估。《计算语言学协会第49届年会：人类语言技术》，2011年6月，第190-200页Mucci P J、Browne S、Deane C、Ho G.PAPI：硬件性能计数器的便携式接口。程序中。国防部HPCMP用户小组会议，1999年6月，第7-10页。“}，{“key”：“1805_CR60”，“doi断言由”：“crossref”，“非结构化”：“Ding C，Zhong Y T.通过重用距离分析预测整个程序的位置。在ACM SIGPLAN会议过程中。编程语言设计与实现，2003年6月，第245-257页。”，“doi”：“10.1145 \/781131.781159“}，{“key”：“1805_CR61”，“doi-asserted-by”：“crossref”，“unstructured”：“Pawlowski J T.混合内存立方体：具有基本重新架构的dram子系统的突破性dram性能。在Proc.the 23th Hot Chips Symp.，2011年8月。”，“doi”：“10.1109 \/HOTCHIPS.2011.7479494”}，“key“：”1805_CR162“，”unstructure“：”Courbariaux M，Bengio Y.BinaryNet：训练深度神经网络，权重和激活限制为+1或\u22121。arXiv:1602.02830，2016年。http://\/arxiv.org\/abs\/1602.02830v12017年12月。“}，{“key”：“1805_CR63”，“unstructured”：“Rastegari M，Ordonez V，Redmon J，Farhadi A.XNOR-Net:ImageNet classification using binary convolutional neural nets.arxiv:1603.052792016。http://\/arxiv.org\/abs\/1603.052792017年12月。“}，{“key”：“1805_CR64”，“doi-asserted-by”：“crossref”，“unstructured”：“Denkowski M，Lavie A.Meteor universal:任何目标语言的特定语言翻译评估。《第九届统计机器翻译研讨会论文集》，2014年6月，第376-380页。”，“doi”：“10.3115\/v1\/W14-3348”}，“问题”：“5“，”key“：“1805_CR65”，”doi-asserted-by“：”publisher“，”first page“：”7“，”doi“：”10.1109\/MM.2011.89“，”volume“：：”31“，”author“：”SW Keckler“，”year“：”2011“，”unstructured“：”Keckler SW，DallyW J，Khailany B，Garland M，Glasco D.GPU和并行计算的未来。IEEE Micro，2011，31（5）：7-17.“，”journal-title“：”IEEE Micro“}]，”container-title”：[“计算机科学与技术杂志”]，”original-title:[]，”language“：”en“，”link“：[{”URL“：”http://\/link.springer.com/article\/10.10007\/s11390-018-1805-8\/fulltext.html“，”content-type“：”text\/html“，”content-version“：”vor“，”intended-application“：”text-mining““}”，{“URL”：“http://\/link.springer.com/content\/pdf\/10.1007\/s11390-018-1805-8.pdf”，“content-type”：“application\/pdf”，“内容版本”：“vor”，“intended-application”：“text-mining”}，{”URL“：”http://\/llink.springer\com/content\-pdf\/10.007\/s11340-018-1805.8.pdf“，”内容类型“：”application\/pdf“，”content-version“：”vor“，“预期应用”：“相似性检查”}]，“存放”：{“日期部分”：[[2019,10,9]]，“日期时间”：“2019-10-09T19:18:49Z”，“时间戳”：1570648729000}，“分数”：1，“资源”：{primary“：{”URL“：”http://link.springer.com\/10.1007\/s11390-018-1805-8“}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[2018,1]]}，“references-count”：65，“journal-issue”：{“issue”：“1”，“已发布的印刷品”：｛“日期部分”：[[2018,1]]}｝，“替代id”：[“1805”]，“URL”：“http:\/\/dx.doi.org/10.1007\/s11390-018-1805-8”，“关系”：｛｝，“ISSN”：[“1000-9000”，“1860-4749”]，“ISSN类型”：[｛“值”：“1000-9000”，“类型”：“印刷”｝，｛“值”：“1860-4749”，“类型”：“电子”｝]，“主题”：[]，“已发布”：｛“日期部分”：[[2018,1]]｝，“断言”：[｛“值”：“2017年9月10日”，“订单”：1，“名称”：“已收到”，“标签”：“收到”，”组“：{“name”：“Article History”，“label”：“文章历史”}}，{“value”：”2017年12月15日“，”订单“：2，”名称“：”修订“，”标签“：”修改“，”组”：{名称“：“文章史”，”标签首次在线“，“group”：{“name”：“ArticleHistory”，“label”：“文章历史”}}]}}