{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,2,21]]，“日期时间”：“2024-02-21T21:25:01Z”，“时间戳”：1708550701223}，“引用-计数”：67，“发布者”：“Elsevier BV”，“许可证”：[{“开始”:{“日期部分“：[2021,11,1]]，”日期时间“：“2021-11-01T00:00Z”，“timestamp”：16357248000000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2021,11,1]]，“date-time”：“2021-11-01T00:00:00Z”，“timestamp”：163572480000}，“content-version”：“stm-asf”，“delay-in-days”：“0，”URL“https:\\/doi.org\/10.15223\/policy-017”}，{“开始”：{“日期部分”：[[2021,11,1]]，“日期时间”：“2021-11-01T00:00:00Z”，“时间戳”：1635724800000｝，“内容版本”：“stm-asf”，“延迟天数”：0，“URL”：“https://doi.org/10.15223\/policy-037”｝，｛“开始”：｛“日期部分”：[[2021,11,1]]，“日期时间”：“2021-11-01T00:00:00Z”，“时间戳”：1635724800000｝，“内容版本”：“stm-asf”，“延迟天数”：0，“URL”：“https://doi。org/10.15223\/policy-012“｝，｛”开始“用法：{“date-parts”：[[2021,11,1]]，“date-time”：“2021-11-01T00:00:00Z”，“timestamp”：163572480000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\\/doi.org\/10.15223\/policy-029”}，{“start”：{（日期）：[2021,11]]，version“：”stm-asf“，”delay-in-days“：0，”URL“：“https:\/\/doi.org\/10.15223\/policy-004”}]，“content-domain”：{“domain”:[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“微处理器和微系统”]，”published-print“：{”date-parts“：[2021,11]]}，”doi“：”10.1016\/j.micpro.2021.04359“，”type“：”journal-article“，”created：{“日期部分”：[[2021,10,30]]，“日期-时间”：“2021-10-30T23:21:36Z”，“时间戳”：1635636096000}，“页面”：“104359”，“更新策略”：“http://\/dx.doi.org\/10.1016\/elsevier_cm_policy”，“源”：“交叉引用”，“is-referenced-by-count”：5，“标题”：[“BCNN:二进制复合神经网络”]，“前缀”：“10.1016”，“卷”：“87”，“作者”：[{“ORCID”：“http:\”\\/ORCID.org\\0000-0003-0812-2339“，“authenticated-orcid”：false，“给定”：“燕飞”，“家族”：“李”，“序列”：“第一”，“从属关系”：[]}，{“orcid”：“http://\/orcid.org\/00000-0002-3644-2922”，“authonticated-ocid”：false，“赋值”：“童”，“家庭”：“耿”，“顺序”：“附加”，“隶属关系”：[]}cid“：false，”given“：”Ang“，”family“：“Li”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Huimin”，“family”：“Yu”，“序列”：“附加”，“从属”：[]}]，“member”：“78”，“reference”：[{“key”：”10.1016\/j.micpro.2021.04359_51“，”series-title“二值化神经网络：训练深度神经网络，权重和激活限制为+1或-1”，“author”：“Courbariaux”，“year”：“2016年”}，{“key”：“10.1016\/j.micpro.2021.104359_b2”，“series-title”：《第三十届神经信息处理系统国际会议论文集》，“首页”：“4114”，“article-title”：“二值化神经网络”，“author”：“Hubara”，“year”：“2016”}：“高性能计算、网络、存储和分析国际会议论文集”，“第一页”：“1”，“article-title”：“BSTC：用于加速基于位的近似神经网络的新型二值化软传感器核心设计”，“author”：“Li”，“year”：“2019”}，{“key”：“10.1016\/j.micpro.2021.104359_b4”，“doi-asserted-by”：“crossref”，“DOI”：“10.1109\/TPDS.2020.3045828”，“article-title”：“通过图灵GPU中的位传感器核加速二值化神经网络”，“author”：“Li”，“year”：“2020”，“journal-title“：”IEEE Trans.Parallel Distribute.Syst.“}，{“key”：“101016\/j.micpro.2021.04359_b5”，“DOI-asserted-by”：“crossref”，”非结构化“：”T.Geng，T.Wang，C.Wu，C.Yang，W.Wu，A。Li，M.C.Herbordt，O3BNN：一种具有细粒度修剪的高性能二进制神经网络推理的无序架构，载于：《美国计算机学会超级计算国际会议论文集》，2019，第461\u2013472页crossref“，“first page”：“199”，“DOI”：“10.1109\/TPDS.2020.3013637”，“article-title”：“O3BNN-R：高性能和正则化BNN推理的无序架构”，“volume”：”32“，“author”：“Geng”，“year”：“2020”，“journal-title“：”IEEE Trans。平行配送系统。“}，{”key“：”10.1016\/j.micpro.2021.104359_b7“，”series-title“：”2019 IEEE第30届应用特定系统、架构和处理器国际会议“，”first page“：“9”，”article-title“：“LP-BNN:具有层并行的超低能量BNN推断”，“volume”：“2160”，“author”：“Geng”，“year”：“2019”}，”{“key”：”10.1016\/j.micpro.2021.104359_b8“，“series-title”：“攻击二值化神经网络”，“author”：“Galloway”，“year”：“2017”}，{“key”：“10.1016\/j.micpro.2021.04359_59”，“doi-asserted-by”：“crossref”，《unstructured》：“N.Narodytska，深度二值化神经元网络的形式分析，in：IJCAI，2018，pp.5692\u20135696.”，“doi”：“10.24963\/IJCAI.2018\/811“}，{”key“：”10.1016\/j.micpro.2021.104359_b10“，”doi-asserted-by“：”crossref“，”unstructured“：”N.Narodytska，S.Kasiviswanathan，L.Ryzhyk，M.Sagiv，T.Walsh，《验证二值化深度神经网络的属性》，载于：《AAAI人工智能会议论文集》，第32卷，第1期，2018年。“，doi”：“10.1609\/aaaai.v32i1.12206”}，{“issue”：“12”，“key“：”10.1016\/j.micpro.2021.104359_b11“，”doi-asserted-by“：”crossref“，”first-page“：”2896“，”doi“：”101109\/TPDS.2020.3006238“，”article-title“：”GPU-accelerated real-time stereo estimation with binary neural network“，“volume”：“31”，“author”：“Chen”，“year”：“2020”，“journal-title”：“IEEE Trans。平行配送系统。“}，{”key“：”10.1016\/j.micpro.2021.104359_b12“，”series-title“：”BinaryCoP:基于二进制神经网络的COVID-19边缘设备人脸磨损和定位预测器“，”author“：”Fasfous“，”year“：”2021“}”，{“key”：“10.1016\/j.micpro.2021.04359_b13”，“doi-asserted-by”：“crossref”，“first page”：”26523“，”doi“：”101109\/ACCES.2021.3058110“，“文章标题”：“使用二进制神经网络进行基于FPGA的农业应用软硬件设计：案例研究“，”卷“：”9“，”作者“：”黄“，”年份“：”2021“，”期刊标题“：”IEEE Access“}，{“key”：“10.1016\/j.micpro.2021.04359_b14”，“doi-asserted-by”：“crossref”，“unstructured”：“Y.Ma，H.Xiong，Z.Hu，L。Ma，使用二值化神经网络的高效超分辨率，摘自：2019年IEEE\/CVF计算机视觉和模式识别研讨会论文集。“，”DOI“：”10.1109\/CVPRW.2019.00096“}，{“issue”：“1”，“key”：“10.1016\/j.micpro.2021.04359_b15”，“DOI-asserted-by”：“crossref”，“first page”：”38“，“DOI”：“101109\/TIM.2018.2840598”，“article-title“：“用于三维物体识别的二进制体积卷积神经网络”，“volume”：“68”，“author”：“Ma”，“year”：“2018”，“journal-title”：“IEEE Trans。仪器。测量。“}，{”key“：”10.1016\/j.micpro.2021.104359_b16“，”series-title“：”欧洲计算机视觉会议“，”首页“：”525“，”article-title“：“Xnor-net：使用二元卷积神经网络的图像分类”，“author”：“Rastegari”，“year”：“2016”}，“key”：“10.1016\\j.micpro.2021.04359_b17”，“series-ttle”：“”Dorefa-net：训练低比特宽梯度的低比特宽卷积神经网络”，“author”：“Zhou”，“year”：“2016”}，{“key”：“10.1016\/j.micpro.2021.04359_b18”，“doi-asserted-by”：“crossref”，“unstructured”：“W.Tang，G.Hua，L.Wang，如何训练一个高精度的紧凑二元神经网络？in：第三十一届AAAI人工智能会议，2017年10.1016\/j.micpro.2021.104359_b20“，“series-title”：“BNN+：改进的二进制网络训练”，“author”：“Darabi”，“year”：“2018”}，{“key”：“10.1016\/j.micpro.2021.04359_b21”，“series-title”：《2018 IEEE第26届现场可编程定制计算机国际研讨会》，“首页”：“57”，“article-title“：”ReBNet：剩余二值化神经网络，“author”：“Ghasemzadeh”，“year”：“2018”}，{“key”：“10.1016\/j.micpro.2021.104359_b22”，“series-title”：“结构化二值神经网络用于图像识别”，“author”：“Zhung”，“year”：”2019“}，“key“：”10.1016\/j.micpro.2021.04359_b23”，“doi-asserted-by”：“crossref”，“unstructured”：“S.Zhu，X.Dong，H。Su，二进制集成神经网络：每个网络更多比特还是每个比特更多网络？摘自：《IEEE计算机视觉和模式识别会议论文集》，2019年，第4923\u20134932页。“，”DOI“：”10.1109\/CVPR.2019.00506“}，{“key”：“10.1016\/j.micpro.2021.04359_b24”，“DOI-asserted-by”：“crossref”，“unstructured”：“j.Bethge，H.Yang，M.Bornstein，C。Meinel，BinaryDenseNet:开发二进制神经网络架构，摘自：2019年IEEE国际计算机视觉研讨会论文集。“，”DOI“：”10.1109“/ICCVW.2019.00244“}，{”key“：”101016“/j.micpro.2021.04359_b25“，”DOI-asserted-by“：”crossref“，”unstructured“：”j.Bethge，C.Bartz，H.Yang，Y.Chen，C。Meinel，MeliusNet:二进制神经网络的改进网络架构，摘自：IEEE\/CVF计算机视觉应用冬季会议论文集，2021年，第1439\u20131448页。“，”DOI“：”10.1109\/WACV48630.2021.00148“}，{“issue”：“1”，“key”：“10.1016\/j.micpro.2021.04359_b26”，“DOI-asserted-by”：“crossref”，“first page”：”168“，“DOI”：“10.1109\/JSTSP.2018.2797022“，”文章标题“：”基于无线信号分类的空中深度学习“，”卷“：”12“，”作者“：”O\u2019Shea“，”年份“：”2018“，”期刊标题“：“IEEE J.Sel。顶部。签署程序。“}，{”key“：”10.1016\/j.micpro.2021.104359_b27“，”series-title“：”复杂值深层网络中的神经元同步性“，”author“：”Reichert“，”year“：”2013“}”，{“issue”：“22”，”key”：“10.1016\/j.micpro.2021.04359_b28”，“doi-asserted-by”：“crossref”，“first page”：”2653“，”doi“：”10.3390\/rs11222653“，”“article-title“：“”通过一种新的复值深度全卷积网络进行像素PolSAR图像分类”，“卷”：“11”，“作者”：“Cao”，“年份”：“2019”，“期刊标题”：“Remote Sens”}，{“密钥”：“10.1016\/j.micpro.20211.04359_b29”，“非结构化”：“H.-S.CChoi，j.-H.Kim，j.Huh，a.Kim，j.-W.Ha，K。Lee，使用深度复杂u-net进行阶段软件语音增强，in：国际学习表征会议，2018。“}，{”key“：”10.1016\/j.micpro.2021.104359_b30“，”series-title“：”分析用于MRI重建的深度复杂值卷积神经网络“，”author“：”Cole“，”year“：”2020“}”，{“key”：“10.1016\/j.micpro.2021.04359_531”，“series-title“：”Full-capacity酉递归神经网络“，”author“：”Wisdom“，”year“：”2016“}，{”issue“：”4“，”key“：”10.1016\/j.micpro.2021.04359_b32“，”doi-asserted-by“：”crossref“，”first page“：复值前馈神经网络与信号一致性的泛化特征”，“卷”：“23”，“作者”：“Hirose”，“年份”：“2012”，“期刊标题”：“IEEE Trans。神经网络。学习。系统。“｝，｛”key“：”10.1016\/j.micpro.20211.04359_b33“，”系列标题“：”国际机器学习会议“，”第一页“：”1986“，”文章标题“：”联想长短期记忆“，”作者“：”Danihelka“，”年份“：”2016“｝，｛”key“：”10.1016\/j.micpro.20211.04359_b34“，”系列标题“：”深度复杂网络“，”作者“：”Trabelsi“，”年份“：”2017“｝，｛”问题“：”1“，”key“：”10.1016\/j.micpro.2021.104359_b35“，”doi-asserted-by“：”crossref“，”first page“：“127”，“doi”：“10.1109\/72.182703”，“article-title”：“相敏分类的复杂映射网络”，“volume”：“4”，“author”：“Birx”，“year”：“1993”，“journal-title“：”IEEE Trans。神经网络。“}，{”issue“：”8“，”key“：”10.1016\/j.micpro.2021.04359_b36“，”doi-asserted-by“：”crossref“，”first page“：“2536”，”doi“：”101109\/TGRS.2007.897418“，“article-title”：“Walled LTSA阵列，用于快速、高空间分辨率和相敏成像，以可视化塑料地雷”，“volume”：“45”，“author”：“Masuyama”，“year”：“2007”，“journal-title“：”IEEE传输。地质科学。遥感器“}，{“问题”：“4”，“关键”：“10.1016\/j.micpro.2021.04359_b37”，“doi-asserted-by”：“crossref”，“首页”：“1032”，“doi”：“101109\/72.508945”，“文章标题”：“载波频率调制相干型神经网络的行为控制”，“音量”：“7”，“作者”：“Hirose”，“年份”：“1996”，“日志标题”：问题“：”24“，”key“：”10.1016\/j.micpro.2021.104359_b38“，”doi-asserted-by“：”crossref“，”first page“：“2524”，“doi”：“10.1364\/OL.28.002524”，“article-title”：“相干光学神经网络，通过使用多个光通差分在频域中学习所需相位值”，“volume”：“28”，“author”：“Kawata”，“year”：“2003”，“journal-title“：”Opt。莱特。“}，{”key“：”10.1016\/j.micpro.2021.104359_b39“，”series-title“：”Binaryconnect:“在传播过程中训练具有二进制权重的深层神经网络“，”author“：”Courbariaux“，”year“：”2015“}”，{“key”：“10.1016\/j.micpro.2021.04359_bs0”，“series-ttle”：“二进制神经网络的高维几何结构”，“author”：“Anderson”，“year”：“2017”}，”{“密钥”：“”10.1016\/j.micpro.2021.104359_b41“，”doi-asserted-by“：”crossref“，”unstructured“：”Z.Liu，B.Wu，W.Luo，X.Yang，W.Liu、K.-T.Cheng，Bi-real net:Enhancement the performance of 1-bit cnns with improved representation capability and advanced training algorithm，in：Proceedings of the European Conferences on Computer Vision，EC，pp.722\u2013737.“，”DOI“：”10.1007\/978-3-030-01267-0_44“}，{”key“：”101016\/j.micpro.2021.04359_b42“，”series-title“：”二进制神经网络的实证研究\u2019优化“，”author“：”Alizadeh“，”year“：”2018“}”，{“key”：”10.1016\/j.micpro.2021.04389_b43“，”series-title“：“自二值化网络”，”auth:“Lahoud”“，”年“：”2019“}，{”键“：”10.1016\/j.micpro.2021.104359_b44“，“series-title”：“深度网络的损失感知二值化”，“author”：“Hou”，“year”：“2016”}，{“key”：“10.1016\/j.micpro.2021.04359_bs5”，“series-title”：《神经信息处理系统的进展》，“first page”：《7531》，“article-title》：“潜在权重不存在：重新思考二值化神经网络优化”，“作者”：“Helwegen”，“year”：“2019”}，{“key”：“10.1016\/j.micpro.20211.04359_b46”，“doi断言”：“crossref”，“非结构化”：“Y.Umurolu，N.j.Fraser，G.Gambardella，M.Blott，P.Leong，M.Jahre，K。Vissers，Finn：快速、可扩展的二值化神经网络推理框架，摘自：2017年ACM/SIGDA现场可编程门阵列国际研讨会论文集，2017年，第65\u201374页。“，DOI：”10.1145\/3020078.3021744“}，{“issue”：“6”，“key”：“10.1016\/j.micpro.2021.04359_b47”，“DOI-asserted-by”：“crossref”，“first page”：”661“，“DOI”：“10.3390\/electronics8060661“，”article-title“：“二元化神经网络综述”，“volume”：“8”，“author”：“Simons”，“year”：“2019”，“journal-title”：“Electronics”}，{“key”：”10.1016\/j.micpro.2021.104359_b48“，”doi-asserted-by“：”crossref“，”doi“10.1016\/j.patcog.2020.107281”，“article-title”“：”二元神经网络：A survey“，”volume“105“，”作者“：”秦“，“年”：“2020年”，“新闻标题”：“模式识别”。“}，{”issue“：”1“，”key“：”10.1016\/j.micpro.2021.104359_b49“，”doi-asserted-by“：”crossref“，”first page“：“35”，“doi”：“10.1109\/LGRS.2018.2866567”，“article-title”：“使用复值卷积神经网络增强雷达成像”，“volume”：“16”，“author”：“Gao”，“year”：“2018”，“journal title”：”IEEE Geosci.Remote Sens.Lett.“}”，{“密钥”：“10.1016\/j.micpro.2021.104359_b50“，”doi-asserted-by“：”crossref“，”first page“：”136“，“doi”：“10.1016\/j.mri.2020.02.002”，“article-title”：“DeepcomplexMRI：利用深度残余网络进行复杂卷积快速并行MR成像”，“volume”：“68”，“author”：“Wang”，“year”：“2020”，“journal-title“：”Magn。Reson公司。成像“}，{“问题”：“5”，“密钥”：“10.1016\/j.micpro.2021.04359_b51”，“doi-asserted-by”：“crossref”，“首页”：“330”，”doi“：”10.1109\/82.142037“，”article-title“：”复杂域反向传播“，”volume“：”39“，”author“：”Georgiou“，”year“1992”，“journal-title”：“IEEE Trans.Circuits Syst.II”}，}“问题“：”7“，”key“：“10.1016\/j.micpro.2021.104359_b52”，“doi-asserted-by“：”crossref“，”first page“：”1641“，”doi“：”10.1162\/089976603321891846“，”article-title“：”完全复杂多层感知器的近似“，”volume“：“15”，”author“：”Kim“，”year“：”2003“，”journal-title”：“Neural Comput”。“}，{”issue“：”9“，”key“：”10.1016\/j.micpro.2021.04359_b53“，”doi-asserted-by“：”crossref“，”first page“：“2101”，”doi“：”101109\/78.134446“，”article-title“：”The complex backpropagation algorithm“，“volume”：“39”，“author”：“Leung”，“year”：“1991”，“journal-title”：“IEEE Trans.Signal Process.”}，”{“issue”：“1\u20132”，“key”：“10.1016\/j.micpro.2021.104359_b54”，“doi-asserted-by“：”crossref“，”first page“：”29“，”doi“：”10.1023\/A:1016359216961“，”article-title“：”用于非线性信号处理的全复杂多层感知器网络“，”volume“：“32”，”author“：”Kim“，”year“：”2002“，”journal-title”：“J.VLSI signal Process。系统。信号图像视频技术。“}，{”key“：”10.1016\/j.micpro.2021.104359_b55“，”series-title“：”批量规范化：“通过减少内部协变量偏移来加速深层网络训练“，”author“：”Ioffe“，”year“：”2015“}”，{“issue”：“1”，“key”：“10.1016\/j.micpro.2021.04359_556”，“doi-asserted-by”：“crossref”，“first page”：”152“，”doi“：”101214\/aoms\/117704250“，”文章标题“：”基于某种多元复高斯分布的统计分析（导论）”，“卷”：“34”，“作者”：“古德曼”，“年份”：“1963年”，“期刊标题”：“数学年鉴”。Stat.“}，{”issue“：”10“，”key“：”10.1016\/j.micpro.2021.04359_b57“，”doi-asserted-by“：”crossref“，”first page“：“2637”，“doi”：“10.1109\/78.539051”，“article-title”：“二阶复随机向量和正态分布”，“volume”：“44”，“author”：“Picinno”，“year”：“1996”，“journal-title“：”IEEE Trans.Signal Process“}”，{“key”：”10.1016\/j.micpro.2021.104359_b58“，“非结构化”：“X.Gloot，Y.Bengio，理解深度前馈神经网络训练的困难，摘自：《第十三届国际人工智能与统计会议论文集》，2010年，第249\u2013256页。”}，{“key”：“10.1016\/j.micpro.2021.04359_559”，“doi-asserted-by”：“crossref”，“非结构化“：”K.He，X.Zhang，S.Ren，J.Sun，《深入研究整流器：在图像网络分类方面超越人类水平的性能》，载于：《IEEE计算机视觉国际会议论文集》，2015年，第1026\u20131034页。“，”DOI“：”10.1109\/ICCV.2015.123“}，{“key”：“10.1016\/J.micpro.2021.04359_b60”，“series-title”：“网络中的网络”，“作者”：“林”，“年份”：“2013”}，{“key”：“10.1016\/j.micpro.2021.04359_b61”，“doi-asserted-by”：“crossref”，“非结构化”：“K.He，X.Zhang，S.Ren，j.Sun，图像识别的深度剩余学习，摘自：IEEE计算机视觉和模式识别会议论文集，2016年，第770\u2013778页。”，“doi”：“10.1109\/CVPR.2016.90“}，{“key”：“10.1016\/j.micpro.2021.04359_b62”，“doi-asserted-by”：“crossref”，“unstructured”：“G.Huang，Z.Liu，L.Van Der\u00a0Maaten，K.Q.Weinberger，密集连接卷积网络，收录于：IEEE计算机视觉与模式识别会议论文集，2017年，第4700\u20134708页。”，“doi”：“10.1109\/CVPR.2017.243“}，{“key”：“10.1016\/j.micpro.2021.04359_b63”，“doi-asserted-by”：“crossref”，“unstructured”：“H.Chen，Y.Wang，C.Xu，B.Shi，C.Xu.，Q.Tian，C.Xu，AdderNet:Do we really need multiplations in deep learning？in：IEEE\/CVF Conference on Computer Vision and Pattern Recognition，2020，pp.1468\u20131477.”，“DOI“：”10.1109\/CVPR42600.2020.00154“}，{“key”：“10.1016\/j.micpro.2021.04359_b64”，“DOI-asserted-by”：“crossref”，“unstructured”：“H.Qin，R.Gong，X.Liu，M.Shen，Z.Wei，F.Yu，j。Song，精确二元神经网络的正向和反向信息保留，收录于：IEEE计算机视觉和模式识别会议论文集，2020年，第2250页，DOI：“10.1109”，{“key”：“10.1016”，j.micpro.2021.04359_b65”，“series-title”：“Mobilenets：用于移动视觉应用的高效卷积神经网络”，“author”：“Howard”，“year”：“2017”}，{“key”：“10.1016\/j.micpro.2021.104359_b66”，“series-title”：“2020 IEEE高性能极限计算会议”，“first page”：”1“，“article-title”：”CQNN:一个基于CGRA的QNN框架“，”author“：”Geng“，”year“：”2020“}10.1016\/j.micpro.2021.104359_b67“，“series-title”：“从头开始训练竞争性二进制神经网络”，“author”：“Bethge”，“year”：“2018”}]，“container-title”：[“微处理器和微系统”]，“original-title“：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0141933121005123？httpAccept=text\/xml”，“content-type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0141933121005123？httpAccept=text\/plain“，”content-type”：“text\/plan”，“content-versiion”：“vor”，“intended-plication”：“”text-mining”}]，“deposed”：{“date-parts”：[2023,1,5]]，“date-ports”时间“：”2023-01-05T09:19:34Z“，”timestamp“：1672910374000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S0141933121005123”}}，“subtitle”：[]，“shorttitle”：[]，“issued”:{“date-parts”：[2021,11]]}，《references-count》：67，“alternative-id”：[“S014193316005123”]，“URL”“：”http://\/dx.doi.org\/10.1016\/j.micpro.2021.104359“，”关系“：｛｝，”ISSN“：[”0141-9331“]，”ISSN类型“：[｛”value“：”0141-9331“，”type“：”print“｝]，”subject“：[]，”published“：｛”date parts“：[[2021,11]]｝，”assertion“：[｛”value“：”Elsevier“，”name“：”publisher“，”label“：”本文由“｝维护”，｛”value“：”BCNN：二进制复杂神经网络“，”name“：”articlettle“，”label“：”article Title“｝，”value“：””微处理器和微系统“，”name“：”journaltle“，”label“：”Journal Title“}，”{“value”：“https:\/\/doi.org\/101016\/j.micpro.2021.04359”，“name”：“articlelink”，“label”：“CrossRef doi link to publisher maintained version”}，{“value”：“article”，“name:”content_type“，”标签“：”content-type“}”，{”value“：”\u00a9 2021发布者Elsevier B.V.“，”name:“版权“，”标签“：”版权“}]，”文章编号“：”104359“}}