{“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”：[[2024,6,15]]，“日期-时间”：“2024-06-15T20:35:52Z”，“时间戳”：1718483752984}，“引用-计数”：21，“发布者”：“爱思唯尔BV”，“许可证”：[{“开始”：{-date-parts”：[[2018,7,1]]，《日期-时间》：“2018-07-01T00:00:00 0:00Z“，”时间戳“：1530403200000}，”内容-版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[[2019,5,26]]，“date-time”：“2019-05-26T00:00:00Z”，“timestamp”：15588288000000}，“content-version”：“am”，“delay-in-days”：329，“URL”：“http://\/www.elsevier.com\/open-access//userlicense\/1.0\/“}，{“开始”：{“日期部分”：[[2018,7,1]]，“日期时间”：“2018-07-01T00:00:00Z”，“timestamp”：1530403200000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-017”}，{“start”：{“date-parts”：[[2018,7,1]]，“date-time”：“2018-17-01T00:00Z”，ay-in-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-037“}，{“start”：{“date-parts”：[[2018,7,1]]，“date-time”：“2018-07-01T00:00:00Z”，“timestamp”：1530403200000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-012”}，{“start”：“date-ports”：[2018,7,1]，“日期-时间”：“2018年7月7日-01T00:00时”，“时间戳”：1530403200000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2018,7,1]]，“date-time”：“2018-07-01T00:00:00Z”，“timestamp”：1530403200000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“http:\/\/doi.org\/10.15223\/policy-004”}]，“出资人”：[{“doi”：“10.1303”9\/501100001809“，”name“：”国家科学基金“，”doi-asserted-by“：“出版商”，“奖项”：[“61303070”，“61125201”，“61402499”，“U1435219”]}]，“内容域”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“交叉标记限制”：true}，“短容器标题”：[“微处理器和微系统”]，“已出版印刷品”：{“日期部分”：[[2018,7]]}，“DOI”：“10.1016\/j.micpro.2018.03.007”，“类型”：“期刊文章”，“已创建”：{“date-parts”：[[2018,3,31]]，“date-time”：“2018-03-31T03:58:02Z”，“timestamp”：1522468682000}，“page”：“196-206”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：20，“title”：[“CaFPGA:CNN加速器的自动生成模型”]，“前缀”：“10.1016”，“volume”：“60”，“作者”：[{“给定”：“金卫”，“家族”：“徐”，“序列”：“第一”，“从属关系”：[]}，{“给定”：“志强”，“家庭”：“刘”，“顺序”：“附加”，“隶属关系”：[]}、{“给出”：“精飞”，“家人”：“蒋”，“排序”：“额外”，“附属关系”：【】}，}“给定的”：“勇”，“家”：“窦”，“序号”：“添加”，“归属关系”：〔〕}，，“family”：“Li”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“78”，“reference”：[{“key”：“10.1016\/j.micpro.2018.03.007_bib0001”，“series-title”：“Advances in Neural Information Processing Systems 25”，“first page”：《1097》，“article-title”：《Imagenet Classification with Deep Convolutional Neural Networks》，“author”：“Krizhevsky”，“year”：“2012”}，{“key”：“10.1016\/j.micpro.2018.03.007_sbref0002”，“article-title”：“深入卷积”，“author”：“Szegedy”，“year”：“2014”，“journal-title“：”CoRR“}，{“key”：“10.116\/jmicpro.2016.03.007_sbref0003”，“article-title”：“丰富的特征层次结构，用于准确的对象检测和语义分割”，“作者”：“Girshick”，“年份”：“2013”，“日记标题”：“CoRR”}，{“key”：“10.1016\/j.micpro.2018.03.007_sbref0004”，“article-title”：“美国有线电视新闻网（CNN）的离线功能：令人震惊的识别基线”，“author”：“Razavian”，“year”：“2014”，“journal-title“：”CoRR“}，”key“：”10.1016//j.micpro.208.03.007_bib0005“，”doi-asserted-by“：”crossref“，”非结构化“：”A.Karpathy，G.Toderici，S.Shetty、T.Leung、R。Sukthankar，L.Fei-Fei，利用卷积神经网络进行大尺度视频分类（2014）1725\u20131732 doi:10.1109\/CVPR.2014.223.“，”doi“：”10.1109\/CVR.2014.223“}，{“key”：“10.1016\/j.micpro.2018.03.007_sbref0005”，“article-title”：“用于大规模图像识别的深度卷积网络”，“author”：“Simonyan”，“year”：“2014”，“journal-title“：”CoRR“}，{“key”：“10.1016\/j.micpro.2018.03.007_bib0007”，“doi-asserted-by”：“crossref”，“unstructured”：“R.Collobert，j.Weston，《自然语言处理的统一架构：具有多任务学习的深层神经网络》（2008）160\u2013167。doi:10.1145\/1390156.1390177.“，”doi“：”10.1145\/1999156.1390177“}，{“issue”：“10”，“key”：“10.1016\/j.micpro.2018.03.007_bib0008”，“doi-asserted-by”：“crossref”，“first page”：：“1533”，“doi”：“101109\/TASLP.2014.239736”，“article-title”：“语音识别的卷积神经网络”，“volume”：”22“，“author”：“Abdel-Hamid”，“年份”：“2014年”，“新闻标题”：“IEEE\/ACM传输。语音语言程序。“}，{”key“：”10.1016\/j.micpro.2018.03.007_bib0009“，”series-title“：”2016 ACM\/SIGDA现场可编程门阵列国际研讨会论文集“，”first page“：“16”，”article-title“：“大规模卷积神经网络的基于opencl的fpga加速器吞吐量优化”，“author”：“Suda”，“year”：“2016”}，”{“key”：“”10.1016\/j.micpro.2018.03.007_bib0010“，“series-title”：“2016 ACM\/SIGDA现场可编程门阵列国际研讨会论文集”，“首页”：“26”，“article-title”：“深入研究卷积神经网络的嵌入式fpga平台”，“作者”：“邱”，“年份”：“2016”}，{“密钥”：“10.1016\\j.micpro.2018.03007_bib001”，“系列标题“：“2016第21届亚洲及南太平洋设计自动化大会（ASP-DAC）”，“首页”：“575”，“文章标题”：“基于fpga的深度卷积神经网络的设计空间探索”，“作者”：“Motamedi”，“年份”：“2016”}，{“密钥”：“10.1016\/j.micpro.2018.03.007_b0012”，“系列标题”：“2016 IEEE第24届现场可编程定制计算机（FCCM）年度国际研讨会”，“首页”：“40”，“文章标题”：“fpgaconvnet：在fpgas上映射卷积神经网络的框架”，“作者”：“Venieris”，“年份”：“2016”}，{“key”：“10.1016\/j.micpro.2018.03.007_bib0013”，“series-title”：“2016年第53届ACM\/EDAC\/IEEE设计自动化会议（DAC）”，“首页”：“1”，“文章标题”：“深度燃烧：为神经网络家族自动生成基于fpga的学习加速器”，“作者”：“王”，“年份”：“2016”}，{“key”：“10.1016\/j.micpro.2018.03.007_bib0014”，“series-title”：“2016 IEEE现场可编程逻辑与应用（FPL）国际会议纪要”，“文章标题”：“卷积神经网络在fpga上的可扩展和模块化rtl编译”，“作者”：“Ma”，“年份”：“2016”}，{“关键”：“10.1016\/j.micpro.2018.03.007_bib0015”，“系列标题”：《认知体系结构研讨会》article-title“：“Dnnweaver：从高级深层网络模型到fpga加速”，“author”：“Sharma”，“year”：“2016”}，{“key”：“10.1016\/j.micpro.2018.03.007_bib0016”，“doi-asserted-by”：“crossref”，“unstructured”：“Y.Shen，M.Ferdman，P.Milder，通过资源分区最大化cnn加速器效率，arXiv:1607.00064（2016）。”，“doi”：“10.1145\/3079856.3080221“}，{“key”：“10.1016\/j.micpro.2018.03.007_bib0017”，“series-title”：“深度卷积神经网络的吞吐量优化fpga加速器”，“author”：“Liu”，“year”：“2017”}2015年ACM SIGDA现场可编程门阵列国际研讨会论文集”，“首页”：“161”，“文章标题”：“优化基于fpga的深度卷积神经网络加速器设计”，“作者”：“Zhang”，“年份”：“2015”}，{“key”：“10.1016\/j.micpro.2018.03.007_bib0019”，“series-title”：“2016 IEEE\/ACM国际计算机辅助设计会议论文集（ICCAD 2016）”，“文章标题”：“咖啡因：走向深度卷积神经网络的统一表示和加速”，“作者”：“张”，“年份”：“2016”}，{“键”：“10.1016\/j.micpro.2018.03.007_bib0020”，“系列标题”：”设计自动化会议（DAC）2017年第54届ACM。“article-title”：“基于fpgas的高通量cnn推理的自动脉动阵列结构合成。“，”author“：”Wei“，”year“：”2016“}，{”key“：”10.1016\/j.micpro.2018.03.007_bib0021“，”series-title“：”Field Programmable Logic and Applications（FPL），2017年IEEE第27届国际会议“，”article-title“：“一个用于不同深度卷积神经网络高通量fpga实现的自动rtl编译器。”，“author”：“Ma”，“year”：“2017”}]，“container-title”：[“微处理器和微系统”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S014193311630271X？httpAccept=text\/xml”，“内容类型”：“text\/xml”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“网址”：“https:\/\/api.elsevier.com/content\/article\/PII:S014193311630271X？httpAccept=text\/plain”，“content-type”：“text\/plan”，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[2024,4,5]]，“date-time”：”：“2024-04-05T19:59:08Z”，“timestamp”：171234714800}，“score”：1，“resource”：{“primary”：{“URL”：“https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S014193311630271X”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[[2018,7]]}，”references-count“：21，”alternative-id“：[”S014193331160271X“]，”URL“http://dx.doi.org\/101016\/j.micpro.2018.03.007”，“relation”：{}，“ISSN”：[“0141-9331”]，“ISSN-type”：[{“value”：“0141.9331”，“type”:“print”}]，“subject”：[]，“published”：{“date-parts”：[[2018,7]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher”，“label”：“This article is maintained by”}，{“value”：“CaFPGA:An automatic generation model for CNN accelerator”，“name:”articlete“，”label“：”article Title，｛“value”：“https://doi.org/10.1016\/j.micpro.2018.03.007”，“name”：“articlelink”，“label”：“CrossRef doi链接到出版商维护的版本”｝，｛“value”：“article”，“name”：“content_type”，“label”：“content type”｝，｛“value”：“\u00a9 2018 Elsevier B.V.保留所有权利。”，“name”：“copyright”，“label”：“copyright”｝]｝