{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“讯息”：{“索引”：{“日期部分”：[[2022,12,13]]，“日期时间”：“2022-12-13T18:51:09Z”，“时间戳”：1670957469213}，“参考计数”：69，“出版商”：“电气与电子工程师学会（IEEE）”，“发行”：“4”，“许可证”：[{“开始”：{-“日期部分“：[2018,1]]，”时间”：“2018-10-01T00:00:00Z”，“timestamp”：1538352000000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/ieeexplore.iee.org\/Xplorehelp\/downloads\/license-information\/ieee.html”}，{“start”：{“date-parts”：[[2018,10,1]]，“date-time”：“2018-10-01T00:00：00Z”“：”am“，”delay-in-days“：0，”URL“：“https:\/\/ieeexplore.iee.org\/Xplorehelp\/downloads\/license-information\/ieee.html”}，{“开始”：{“日期-部分”：[[2018,10,1]]，“日期-时间”：“2018-10-01T00:00:00Z”，“时间戳”：1538352000000}，“内容-版本”：“stm-asf”，“延迟-天”：0，“URL”：“http:\\/doi.org\/10.15223\/policy-029”}“：{”日期部分“：[[2018,10,1]]，”日期时间“：“2018-10-01T00:00:00Z”，“timestamp”：1538352000000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}]，“funder”：[{“name”：“Spintronic Materials，Interfaces，and Novel Architectures中心”}，{“doi”：“10.13039\/1000000028”，“name”:“Semiconductor Research Corporation”，“doi-asserted-by”：“publisher”}，{“doi”：“10.13039\/501000008982”，“name”：“国家科学基金会”，“doi-asserted-by”：“publisher”}，{“doi”：“10.130.39\/100002418”，“name”：“Intel Corporation”，“doi-asserte-by”：“publisher”}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，“short-container-title”：[“IEEE Trans.Multi-Scale Comp.Syst.”]，“published-print”：{“date-parts”：[[2018,10,1]]}，“DOI”：“10.1109\/tmscs.2018.2865303”，“type”：“journal-article”，“created”：{“date-parts”：[[2018，8,13]]，“date-time”：“2018-08-13T18:40:43Z”，“timestamp”：1534185643000}，”page“：”624-634“，”source“Crossref”，“is-referenced-by-count”：5，“title”：[“DeltaFrame-BP:一种使用帧差进行深度卷积神经网络训练和视频数据推断的算法”]，“前缀”：“10.1109”，“卷”：“4”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0002-6526-4432”，“authenticated-ORCID”：false，“给定”：“Bing”，“family”：“Han”，”sequence“：“first”，“affiliation”：[]}，{“给定的”：“Kaushik”，“家族”：“Roy”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“263”，“reference”：[{“key”：“ref39”，“article-title”：“deep neural networks under quantification”，“volume”：”abs 1511 6488“，“author”：“sung”，“year”：“2015”，“journal title”：，“author”：“courbariaux”，“year”：“2014”，“journal title”：“CoRR”｝，｛“key”：“ref33”，“doi asserted by”：“publisher”，“doi”：“10.1109\/TED.2016.2568762”｝，｛“key”：“ref32”，“doi asserted by”：“publisher”，“doi”：“10.1103\/PhysRevApplied.8064017”｝，｛“key”：“ref31”，“首页”：“530”，“文章标题”：“磁隧道结激活的全自旋随机尖峰神经元网络”，“author”：“srinivasan”，“year”：“2017”，“journal-title”：“Proc-Des-Autom-Test-Eur-Conf-Exhib”}，{“key”：“ref30”，“article-title“：”勘误：磁隧道结模拟随机皮层尖峰神经元“，”volume“：”7“，”author“：”sengupta“，”year“：”2017“}，”{“密钥”：“ref37”，“article-title”：“少乘法的神经网络”，“volume”：“abs 1510 3009”，“author”：“lin”，“year”：“2015”，“journal-title“：”CoRR“}，{“key”：”ref36“，”article-title“:”Deep learning with limited numerical precision“，”volume“：”abs 1502 2551“，”author“：”gupta“，”year“：”2015“，”journal-title，“内政部”：“10.1109\/ICCAD.2017.8203823”}，{“key”：“ref34”，“article-title”：“全记忆电阻深脉冲神经网络：实现低功耗随机大脑的一步”，“author”：“wijesinghe”，“year”：“2017”，“journal-title“：“ArXiv e-prints”}，“author”：“wen”，“year”：“2016”，“journal-title”：“Proc Advances Neural Inf Process Syst”}，{“key”：“ref62”，“doi-asserted-by”：“publisher”，“doi”：“10.1145\/3131885.313906”}视频语义分割“，”卷“：“abs 1608 3609”，“author”：“shelhamer”，“year”：“2016”，“journal title”：“CoRR”}，{“key”：“ref28”，“article title”：“基于STDP的尖峰神经网络中连接和权重量化的修剪，用于节能识别”，“volume”：“abs 1710 4734”，“author”：“rathi”，“year”：“2017”，“journal title”：“CoRR”}，{“key”：“ref64”，“article title”：“用于大规模图像识别的极深卷积网络”，“卷”：“abs 1409 1556”，“作者”：“西蒙扬”，“年份”：“2014年”，“期刊标题”：“CoRR”}，{“关键”：“参考27”，“文章标题”：《卷积棘突神经网络中基于时间的可塑性特征学习》，“卷“：“abs1703 3854”，“作家”：“熊猫”，“年”：“2017年”，“journal-title”：“CoRR”}，{“key”：“ref65”，“article-title）：“卷积神经网络的快速算法”，“volume”：”abs 1509 9308“，“author”：“lavin”，“year”：“2015”，“johnal-tittle”：《CoRR》}，}“key:”ref66“，”doi-asserted-by“：”publisher“，”doi“10.1016\/0004-3702（81）90024-2“}，”{“密钥”：“ref29”，“doi-assert-by”：“publisher”，“doi”：“10.1109\/TBCAS.2016.258223”}，{“key”：“ref67”，“doi-asserted-by”：“publisher”，“doi”：“10.1145\/2733373.2807412”}ted-by“：”publisher“，”doi“：“10.1109\/CVPR.2016.213”}，{“key”：“ref2”，“article-title”：“Microsoft COCO:上下文中的通用对象”，“volume”：”abs 1405 312“，”author“：”lin“，”year“：”2014“，”journal-title“：”CoRR“}，”{“密钥”：“ref1”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s11263-015-0816-y”}le-title“：”Maxout networks“，”author“：”goodfellow“，“年份”：“0”，“日志标题”：“Proc 30th Int Conf Mach Learn”}，{“key”：“ref22”，“article-title”：“批量规范化：通过减少内部协变量偏移来加速深度网络训练”，“数量”：“abs 1502 3167”，“作者”：“ioffe”，“年”：“2015”，“日记标题”：”CoRR“}，}“密钥”：“ref21”，“文章标题”：，“author”：“lin”，“year”：“2013”，“journal-title”：“CoRR”}，{“key”：“ref24”，“first-pages”：“17”，“article-title“：”使用dropconnect正则化神经网络“，”author“：”wan“，”year“：”0，“volume”：“abs 1311 2524”，“author”：“girshick”，“year”：“2013”，“journal-title”：“CoRR”}，{“key”：”ref26“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/JETCAS.2017.2769684“title”：“深度卷积神经网络的结构化剪枝”，“卷”：“abs 1512 8571”，“author”：“anwar”，“year”：“2015”，“journal-title”：“CoRR”}，{“key”：“ref51”，“article-title（文章标题）：“高效卷积的剪枝过滤器”，“volume”：”abs 1608 8710“，”author“：”li“，”year“：”2016“，”journal-title“：”CoRR“}，”{“键”：“ref59”，“首页”：“806”，“文章标题”：“稀疏卷积神经网络”，“作者”：“liu”“，”年份“：”2015年“，“journal-title”：“Proc IEEE Conf Compute Vis Pattern Recognit”}，{“key”：“ref58”，“article-title“：”Spatially-sparse卷积神经网络“，”volume“：”abs 1409 6070“，”author“：”graham“，”year“：”2014“，”journal-title“:”CoRR“}，”{“密钥”：“ref57”，“doi-asserted-by”：“publisher”，“doi”：“10.1145\/300787.3001163”}“，{”key“：“ref56”，“物品标签”：“使用矢量量化压缩深度卷积网络”，“volume”：“abs 1412 6115”，“author”：“gong”，“year”：“2014”，“journal-title”：“CoRR”}，{“key”：《ref55》，“article-title》：“Compressing neural networks with the hashing trick”，“volume”:“abs 1504 4788”，“author”:“chen”，“年份”：“2015”，“journal-ttitle”：：“Squeezenet：Alexnet级精度，参数少50倍，模型大小<1mb”，“volume”：“abs 1602 7360”，“author”：“iandola”，“year”：“2016”，“journal-title”：“CoRR”}，{“key”：”ref53“，“first page”：《81:1》，“article-title》：“近似人工神经网络的高效近似乘数设计”，“author”:“mrazek”，“year”：”2016“，“journal-title”：“Proc 35th Int Conf Compute-Aided Des”}，{“key”：“ref52”，“first page”：”145“，“article-title“：”无乘法器人工神经元利用错误恢复能力进行节能神经计算“，”author“：”sarwar“，”year“：”2016“，”journal-title“:”Proc Des Autom Test Eur Conf Exhib“}，”{“密钥”：“ref10”，“doi-asserted-by”：“publisher”，“doi”：“10.1109 \/MSP.2013.2241312”}，{“key”：“ref11”，“doi-asserted-by”：“publisher”，“doi”：“10.109\/CVPR.2014.223”}doi-asserted-by“：”publisher“，”doi“：“10.1109\/TIP.2016.2531283”}，{“key”：“ref13”，“article-title”：“Flownet:使用卷积网络学习光流”，“volume”：”abs 1504 6852“，”author“：”fischer“，”year“：”2015“，”journal-title“：”CoRR“}，”{“密钥”：“ref14”，“文章-标题”：“学习从卷积神经网络视频中提取运动”，“volume”:“abs 1601 7532”，“author”：“teney”，“年份”：“2016”，“期刊标题”：“CoRR”}，{“key”：“ref15”，“doi断言”：“publisher”，“doi”：“10.1145\/2474769.2744788”}，{“key”：“ref16”，“文章标题”：“通过FFT快速训练卷积网络”，“volume”：“abs 1312 5851”，“author”：“mathieu”，“年份”：“2013”，“期刊标题”：“CoRR”}，{“key”：“ref17”，“文章标题”：“带fbfft的快速卷积网络：GPU性能评估”，“卷”：“abs 1412 7580”，“作者”：“vasilache”，“年份”：“2014”，“日志标题”：“CoRR”}，{“密钥”：“ref18”，“文章标题”：”cuDNN:深度学习的有效基元“，”卷“：”abs 1410 759“，”author“：”chetlur“，”年份“：”2014“，”日志标题“：”CoRR“}，”{“key”：“ref19”，“article-ti”tle“：“深入卷积”，“卷”：“abs 1409 4842”，“作者”：“szegedy”，“年份”：“2014”，“新闻标题”：“CoRR”}，{“key”：“ref4”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s11263-010-0390-2”}“doi-asserted-by”：“publisher”，“doi”：“10.1162\/neco.2006.18.7.1527”}，{“key”：“ref5”，“doi-asserted-by”：“publisher”，“doi”：“10.162\/089976602760128018”}7“，”首页“：“3371”，“article-title”：“堆叠去噪自动编码器：使用局部去噪标准学习深度网络中的有用表示”，“卷”：“11”，“作者”：“vincent”，“年份”：“2010”，“期刊标题”：“J Mach Learn Res”}，{“key”：“ref49”，“article-titel”：“深度神经网络的无数据参数修剪”，“体积”：“abs 1507 6149”，”author“：“srinivas”，“year”：“2015”，“journal-title”：“CoRR”}，{“key”：“ref9”，“doi-asserted-by”：“publisher”，“doi”：“10.1109”，TCSVT.2009.2014013“}”，{《key》：“ref46”，“article-title“：”使用期望反向传播训练二元多层神经网络进行图像分类“，”卷：“abs 1503 3562”，“author”：“cheng”，“年份”：“15”，“日记标题”：“CoRR”{，{“key”：“ref45”，“article-title”：“Bitwise neural networks”，“volume”：”abs 1601 6071“，“author”：“kim”，“year”：“2016”，“journal-title“：”CoRR“}，{“key”：“ref48”，“article-title”：“Learning both weights and connections for effective neural networks”，”volume“：“abs 1506 2626”，“auder”：“han”，“年份”：“2015”，“journal-titel”：“CoRR”}，“key“：”ref47“article”蒂尔”：“深度压缩：通过剪枝、训练量化和哈夫曼编码压缩深度神经网络”，“卷”：“abs 1510 149”，“作者”：“han”、“年份”：“2015”，“期刊标题”：“CoRR”}，{“键”：“ref42”，“文章-标题”：”Binaryconnect:“在传播过程中用二进制权重训练深度神经网络，“年份”：“2015年”，“期刊标题”：“CoRR”}，{“key”：“ref41”，“article-title”：“理解精确量化对神经网络准确性和能量的影响”，“volume”：《abs 1612 3940》，“author”：“hashemi”，“year”：“2016”，“journal-tittle”：：“Binarynet：训练深度神经网络，权重和激活限制为+1或-1”，“volume”：“abs 1602 2830”，“author”：“courbariaux”，“year”：“2016”，“journal-title”：“CoRR”}，{“key”：”ref43“，“article-title“：”Xnor-net：使用二进制卷积神经网络进行Imagenet分类“，”volume“：”abs 1603 5279“，”author“：”rastegari“，”year“：“2016”，“journal-title”：“CoRR”}]，“container-title“：[”IEEE Transactions on Multi-Scale Computing Systems“]，“original-title:[]，“link”：[{“URL”：“https:\/\/ieeexplore.IEEE.org\/ielaam\/668731502\/8434311-aam.pdf”，“content-type”：“application\/pdf”，“content-version”：“am”，“intended-application”：“syndication”}，{“URL”：“http://explorestaging.ieee.org/ielx7\/6687315\/8630102\/0434331.pdf？arnumber=834331”，“内容类型”：“未指定”，“内容版本”：“vor”，“预期应用程序”：“相似性检查”｝]，“存放”：｛“日期部分”：[[2022,4,8]]，“日期时间”：“2022-04-08T18:54:26Z”，“时间戳”：1649444066000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https:\/\/ieeexplore.iee.org\/document\/8434331\/”}}，“副标题”：[]，“短标题”：[]，“已发布”：{“日期-部件”：[[2018,10,1]]}，”引用计数“：69，”日志发布“：{”问题“：“4”}、“URL”：“http://\/dx.doi.org\/10.109\/tmscs.2018.2865303”，“关系”：{}，“2332-7766”，“2372-207X”]，“ISSN-type”：[{“value”：“23327766”，“type”:“electronic”}，{“value”：“2372-207X”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2018,10,1]]}}