史蒂芬·R·杨
人员信息
优化列表
2020年–今天
2022 [j8] 布莱恩·马尔多纳多 , 布莱恩·考尔 , 凯瑟琳·舒曼 , 史蒂芬·R·杨 , J.帕克·米切尔 :
通过使用核密度估计器在线学习循环间变化,实现下一循环最佳稀释燃烧控制。 IEEE传输。 控制。 系统。 Technol公司。 30 ( 6 ) : 2433-2449 ( 2022 ) [公元29年] 艾米丽·赫伦 , 史蒂文·R·杨 , 德里克·C·罗斯 :
ICDARTS:提高循环DARTS的稳定性。 ICMLA公司 2022 : 1055-1062 [公元28年] 罗伯特·巴顿 , Prasanna日期 , Shruti R.Kulkarni , 查提卡·古纳拉特内 , Seung-Hwan Lim先生 , 郭敬聪 , 史蒂芬·R·杨 , 马克·科尔蒂 , 托马斯·波托克 , 凯瑟琳·舒曼 :
科学应用的神经形态计算。 南卡罗来纳州RSDHA 2022 : 22-28 2021 [j7] 布莱恩·马尔多纳多 , 布莱恩·考尔 , 凯瑟琳·舒曼 , 史蒂芬·R·杨 , J.帕克·米切尔 :
EGR稀释燃烧中降低循环间变化的下一循环最佳燃料控制。 IEEE控制。 系统。 莱特。 5 ( 6 ) : 2204-2209 ( 2021 ) [公元27年] 布莱恩·马尔多纳多 , 布莱恩·考尔 , 凯瑟琳·舒曼 , 史蒂芬·R·杨 , J.帕克·米切尔 :
EGR稀释燃烧中降低循环间变化的下一循环最佳燃料控制。 行政协调会 2021 : 1830-1835 [公元26年] 凯瑟琳·D·舒曼 , 史蒂芬·R·杨 , 布莱恩·马尔多纳多 , 布莱恩·考尔 :
边缘神经形态计算的实时进化和部署。 IGSC(研讨会) 2021 : 1-8 [公元25年] 玛丽亚姆·帕萨 , 凯瑟琳·舒曼 , 尼丁·拉蒂 , 阿米尔库什亚尔·齐亚巴里 , 德里克·C·罗斯 , J.帕克·米切尔 , J.特拉维斯·约翰斯顿 , 比尔·凯 , 史蒂芬·R·杨 , 考希克·罗伊 :
利用贝叶斯超参数Pareto优化方法进行精确和加速的神经网络设计。 图标 2021 : 14:1-14:8 2020 [j6] 凯瑟琳·汉密尔顿 , 凯瑟琳·D·舒曼 , 史蒂芬·R·杨 , 瑞安·本宁克 , 尼娜·伊玛目 , 特拉维斯·S·汉布尔 :
在后摩尔时代加速科学计算。 ACM事务处理。 并行计算。 7 ( 1 ) : 6:1-6:31 ( 2020 ) [公元24年] 凯瑟琳·舒曼 , 史蒂芬·R·杨 , J.帕克·米切尔 , J.特拉维斯·约翰斯顿 , 德里克·C·罗斯 , 布莱恩·马尔多纳多 , 布莱恩·考尔 :
低尺寸、重量和功率神经形态计算,以提高内燃机效率。 IGSC(研讨会) 2020 : 1-8 【c23】 玛丽亚姆·帕萨 , 凯瑟琳·舒曼 , Prasanna日期 , 德里克·C·罗斯 , 比尔·凯 , J.帕克·米切尔 , 史蒂芬·R·杨 , 瑞安·德拉纳 , 威廉·塞韦拉 , 托马斯·波托克 , 考希克·罗伊 :
用于神经形态部署的二进制通信网络超参数优化。 国际JCNN 2020 : 1-9 [公元22年] 艾米丽·赫伦 , 史蒂芬·R·杨 , 托马斯·波托克 :
神经架构搜索产生的网络集成。 ISC研讨会 2020 : 223-234 [i7] 黄公爵 , 杰西·哈默 , 加布里埃尔·N·珀杜 , 史蒂芬·R·杨 , 乔纳森·米勒 , Anushree Ghosh公司 :
从卷积神经网络的结构特征推断其准确性。 CoRR公司 腹肌/2001.02160 ( 2020 ) [i6] 玛丽亚姆·帕萨 , 凯瑟琳·舒曼 , Prasanna日期 , 德里克·C·罗斯 , 比尔·凯 , J.帕克·米切尔 , 史蒂芬·R·杨 , 瑞安·德拉纳 , 威廉·塞韦拉 , 托马斯·E·波托克 , 考希克·罗伊 :
用于神经形态部署的二进制通信网络超参数优化。 CoRR公司 abs/2005.04171 ( 2020 )
2010 – 2019
2019 【c21】 罗伯特·巴顿 , 沙希拉·阿布萨姆拉 , 迪米特里斯·萨马拉斯 , 乔尔·索尔茨 , J.特拉维斯·约翰斯顿 , 史蒂芬·R·杨 , 凯瑟琳·舒曼 , 托马斯·波托克 , 德里克·C·罗斯 , Seung-Hwan Lim先生 , 蔡俊勋(Junghoon Chae) , 勒侯 :
Exascale深度学习加速癌症研究。 IEEE大数据 2019 : 1488-1496 [公元20年] 史蒂芬·R·杨 , 普拉瓦利卡·德维尼尼 , 玛丽亚姆·帕萨 , J.特拉维斯·约翰斯顿 , 比尔·凯 , 罗伯特·巴顿 , 凯瑟琳·舒曼 , 德里克·C·罗斯 , 托马斯·波托克 :
进化节能卷积神经网络。 IEEE大数据 2019 : 4479-4485 [第19条] 蔡俊勋(Junghoon Chae) , 凯瑟琳·舒曼 , 史蒂芬·R·杨 , J.特拉维斯·约翰斯顿 , 德里克·C·罗斯 , 罗伯特·巴顿 , 托马斯·波托克 :
用于深度学习的进化神经网络可视化系统。 IEEE大数据 2019 : 4498-4502 [第18条] 宋凌浩 , 范晨 , 史蒂芬·R·杨 , 凯瑟琳·舒曼 , 加布里埃尔·N·珀杜 , 托马斯·波托克 :
利用组合能量和时间数据进行中核相互作用事件顶点重建的深度学习。 ICASSP公司 2019 : 3882-3886 [第17条] 黄公爵 , 杰西·哈默 , 加布里埃尔·N·珀杜 , 史蒂芬·R·杨 , 乔纳森·米勒 , 阿努什里·戈什 :
从卷积神经网络的结构特征推断其准确性。 ICMLA公司 2019 : 1388-1391 [c16] 杰里米·约翰斯顿 , 史蒂芬·R·杨 , 凯瑟琳·舒曼 , 蔡俊勋(Junghoon Chae) , 唐·D·马奇 , 罗伯特·巴顿 , 托马斯·波托克 :
精细开发混合精度,加快CNN训练。 南卡罗来纳州MLHPC 2019 : 9-18 [i5] 宋凌浩 , 范晨 , 史蒂芬·R·杨 , 凯瑟琳·舒曼 , 加布里埃尔·N·珀杜 , 托马斯·E·波托克 :
利用组合能量和时间数据进行中子-核相互作用事件顶点重建的深度学习。 CoRR公司 abs/1902.00743 ( 2019 ) [i4] 罗伯特·巴顿 , J.特拉维斯·约翰斯顿 , 史蒂芬·R·杨 , 凯瑟琳·舒曼 , 托马斯·波托克 , 德里克·C·罗斯 , Seung-Hwan Lim先生 , 蔡俊勋(Junghoon Chae) , 勒侯 , 沙希拉·阿布萨姆拉 , 迪米特里斯·萨马拉斯 , 乔尔·萨尔茨 :
Exascale深度学习加速癌症研究。 CoRR公司 abs/1909.12291 ( 2019 ) 2018 [j5] 杰里米·刘 , 费德里科·斯佩达利里 , 柯蒂亚·姚 , 托马斯·波托克 , 凯瑟琳·舒曼 , 史蒂芬·R·杨 , 罗伯特·巴顿 , 加勒特·罗斯 , Gangotree Chakma公司 :
绝热量子计算在深度学习网络中的应用。 熵 20 ( 5 ) : 380 ( 2018 ) 【j4】 托马斯·波托克 , 凯瑟琳·舒曼 , 史蒂芬·R·杨 , 罗伯特·巴顿 , 费德里科·斯佩达利里 , 杰里米·刘 , 柯蒂亚·姚 , 加勒特·S·罗斯 , Gangotree Chakma公司 :
高性能、神经形态和量子计算机上复杂深度学习网络的研究。 ACM J.Emerg.技术。 计算。 系统。 14 ( 2 ) : 19:1-19:21 ( 2018 ) [c15] 德拉霍米拉·埃尔曼诺娃 , 史蒂文·罗伯特·杨 , 罗伯特·巴顿 , 克里斯托弗·G·斯塔尔 , 尼科尔·克莱因斯特勒 , 玛丽·S·沃尔夫 :
毒理学研究中研究描述符的无监督识别:一项实验研究。 卢希@EMNLP 2018 : 71-82 [第14条] 凯瑟琳·汉密尔顿 , 凯瑟琳·舒曼 , 史蒂芬·R·杨 , 尼娜·伊玛目 , 特拉维斯·S·汉布尔 :
具有下一代处理器的神经网络和图算法。 IPDPS研讨会 2018 : 1194-1203 [第13条] 亚当·安德森 , 史蒂芬·R·杨 , 托马斯·卡诺夫斯基 , 杰森·范恩 :
Deepmod:用于弹性物理层通信的空中可训练机器调制解调器。 军事通信 2018 : 213-218 [第12条] 罗伯特·巴顿 , J.特拉维斯·约翰斯顿 , 史蒂芬·R·杨 , 凯瑟琳·舒曼 , 唐·D·马奇 , 托马斯·波托克 , 德里克·C·罗斯 , Seung-Hwan Lim先生 , 托马斯·卡诺夫斯基 , 马克西姆·齐亚季诺夫 , 谢尔盖·V·加里宁 :
167-为电子显微镜提供深度学习:从学习物理到原子操作。 联合国安全理事会 2018 : 50:1-50:11 [i3] 德拉霍米拉·埃尔曼诺娃 , 史蒂芬·R·杨 , 罗伯特·巴顿 , 克里斯托弗·斯塔尔 , 妮可·克莱恩斯特雷尔 , 玛丽·S·沃尔夫 :
毒理学研究中研究描述符的无监督识别:一项实验研究。 CoRR公司 abs/1811.01183 ( 2018 ) 2017 [第11条] 亚当·特威利格 , 加布里埃尔·N·珀杜 , 大卫·伊塞勒 , 罗伯特·巴顿 , 史蒂芬·R·杨 :
使用深度学习进行中微子相互作用的顶点重建。 国际JCNN 2017 : 2275-2281 [第10条] 凯瑟琳·舒曼 , 托马斯·波托克 , 史蒂芬·R·杨 , 罗伯特·巴顿 , 加布里埃尔·N·珀杜 , Gangotree Chakma公司 , 奥斯汀·怀尔 , 加勒特·S·罗斯 :
用于时间科学数据分类的神经形态计算。 网络控制系统 2017 : 2:1-2:6 【c9】 J.特拉维斯·约翰斯顿 , 史蒂芬·R·杨 , 大卫·休斯 , 罗伯特·巴顿 , 德文·怀特 :
优化卷积神经网络用于云检测。 最大工作功率@秒 2017 : 4:1-4:9 【c8】 史蒂芬·R·杨 , 德里克·C·罗斯 , J.特拉维斯·约翰斯顿 , 威廉·T·海勒 , 托马斯·卡诺夫斯基 , 托马斯·波托克 , 罗伯特·巴顿 , 加布里埃尔·N·珀杜 , 乔纳森·米勒 :
使用HPC发展深层网络。 南卡罗来纳州MLHPC 2017 : 7:1-7:7 [i2] 托马斯·E·波托克 , 凯瑟琳·舒曼 , 史蒂文·R·杨 , 罗伯特·巴顿 , 费德里科·斯佩达列里 , 杰里米·刘 , 柯蒂亚·姚 , 加勒特·S·罗斯 , Gangotree Chakma公司 :
高性能、神经形态和量子计算机上复杂深度学习网络的研究。 CoRR公司 腹肌/1703.05364 ( 2017 ) 2016 【c7】 托马斯·波托克 , 凯瑟琳·舒曼 , 史蒂芬·R·杨 , 罗伯特·巴顿 , 费德里科·斯佩达利里 , 杰里米·刘 , 柯蒂亚·姚 , 加勒特·S·罗斯 , Gangotree Chakma公司 :
在高性能、神经形态和量子计算机上研究复杂的深度学习网络。 南卡罗来纳州MLHPC 2016 : 47-55 2015 [j3] 陆俊杰 , 史蒂芬·R·杨 , 伊塔玛·艾尔 , 杰里米·霍勒曼 :
一个1 TOPS/W模拟深度机器学习引擎,采用0.13µm CMOS浮栅存储。 IEEE J.固态电路 50 ( 1 ) : 270-281 ( 2015 ) 【c6】 杰里米·霍勒曼 , 伊塔玛·艾尔 , 史蒂芬·R·杨 , 陆俊杰 :
用于深度学习的模拟推理电路。 生物科学院 2015 : 1-4 【c5】 史蒂芬·R·杨 , 德里克·C·罗斯 , 托马斯·卡诺夫斯基 , Seung-Hwan Lim先生 , 罗伯特·巴顿 :
通过进化算法优化深度学习超参数。 南卡罗来纳州MLHPC 2015 : 4:1-4:5 2014 [注2] 史蒂芬·R·杨 , 安德鲁·戴维斯 , 亚伦·米什塔尔 , 伊塔玛·艾尔 :
基于递归在线聚类的分层时空特征提取。 模式识别。 莱特。 37 : 115-123 ( 2014 ) [j1] 史蒂芬·R·杨 , 陆俊杰 , 杰里米·霍勒曼 , 伊塔玛·艾尔 :
模拟DeSTIN架构中近似计算的影响。 IEEE传输。 神经网络学习。 系统。 25 ( 5 ) : 934-946 ( 2014 ) 【c4】 陆俊杰 , 史蒂芬·R·杨 , 伊塔玛·艾尔 , 杰里米·霍勒曼 :
30.10一个1TOPS/W模拟深度机器学习引擎,在0.13μm CMOS中具有浮栅存储。 ISSCC公司 2014 : 504-505 2013 [i1] 史蒂文·罗伯特·杨 , 伊塔玛·艾尔 :
递归在线聚类作为DeSTIN中的时空特征提取器。 CoRR公司 abs/1301.3385 ( 2013 ) 2012 【c3】 史蒂文·罗伯特·杨 , 伊塔玛·艾尔 :
用于无监督特征提取的递归聚类及其在序列检测中的应用。 ICMLA(2) 2012 : 54-55 2011 【c2】 托马斯·卡诺夫斯基 , 伊塔玛·艾尔 , 史蒂文·R·杨 :
在深空时推断网络中用函数逼近建模时间动力学。 BICA公司 2011 : 174-179 2010 【c1】 史蒂芬·R·杨 , 伊塔玛·艾尔 , 托马斯·卡诺夫斯基 , 德里克·C·罗斯 :
一种快速稳定的增量聚类算法。 ITNG公司 2010 : 204-209