کاربردهای تحملپذیر عدم دقت مانند پردازش تصویر و یادگیری ماشین به دلیل محدودیتهای حس انسان یا ماهیت کاربرد، قابلیت تحمل عدم دقت را دارند. استفاده از محاسبات تقریبی در این کاربردها میتواند به کاهش قابل توجهی در توان، تأخیر و مساحت منجر شود. در این مقاله دو تمامجمعکنن أکثر
کاربردهای تحملپذیر عدم دقت مانند پردازش تصویر و یادگیری ماشین به دلیل محدودیتهای حس انسان یا ماهیت کاربرد، قابلیت تحمل عدم دقت را دارند. استفاده از محاسبات تقریبی در این کاربردها میتواند به کاهش قابل توجهی در توان، تأخیر و مساحت منجر شود. در این مقاله دو تمامجمعکننده تقریبی و یک جمعکننده تقریبی با خطای کم ارائه شده و اثرات تغییرپذیری قالب به قالب ولتاژ آستانه روی این مدارها مورد ارزیابی قرار گرفته است. برای ارزیابی خطا و تغییرپذیری، از این تمامجمعکنندههای تقریبی در ساختار جمعکننده با انتشار نقلی و الگوریتمهای پردازش تصویر sharpening و smoothing استفاده شده است. از نظر سه پارامتر حاصلضرب- توان- تأخیر، دقت و مساحت برای ورودیهای با توزیع یکنواخت، تمامجمعکننده پیشنهادی 1 و از نظر حداکثر نسبت سیگنال به نویز برای کاربردهای واقعی، تمامجمعکننده پیشنهادی 2 و جمعکننده پیشنهادی، بهترین عملکرد را دارند.
تفاصيل المقالة
رایمگ
يقوم نظام رایمگ بتنفيذ جميع عمليات الاستلام والتقييم والحكم والتحرير وتخطيط الصفحة والنشر الإلكتروني للمجلات العلمية.