Nghiên cứu thiết kế kiến trúc tính toán trong bộ nhớ STT-MRAM cho mô hình điện toán siêu chiều (HDC)
Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo
| Loại tài liệu | Đồ án tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Nguyễn Minh Đức |
| Người hướng dẫn | Phạm Thị Nhẫn; Phạm Nguyễn Thanh Loan |
| Cơ sở đào tạo | Đại học Bách khoa Hà Nội |
| Năm | 2025 |
| Nguồn | Thư viện số Đại học Bách khoa Hà Nội · trang gốc |
Tóm tắt
Nghiên cứu và phát triển các kỹ thuật cấp mạch nhằm nâng cao hiệu quả kiến trúc tính toán trong bộ nhớ (Compute-in-Memory – CIM) dựa trên STT-MRAM cho mô hình Tính toán siêu chiều (Hyperdimensional Computing – HDC), hướng đến các hệ thống trí tuệ nhân tạo có yêu cầu thấp về năng lượng, diện tích và bộ nhớ. Phân tích đặc điểm tính toán của DNN và HDC, trong đó khai thác khả năng biểu diễn dữ liệu bằng các vector không gian cao chiều, tính bền vững trước nhiễu và lỗi, khả năng học một lần cũng như tính song song cao của HDC. Kiến trúc CIM sử dụng STT-MRAM được nghiên cứu nhằm thực hiện các phép toán HDC trực tiếp trong bộ nhớ, giảm chi phí truyền dữ liệu giữa bộ nhớ và khối xử lý, đồng thời tận dụng khả năng song song để nâng cao tốc độ và hiệu quả năng lượng. Các kỹ thuật cấp mạch được đề xuất nhằm khắc phục những hạn chế của các phương pháp hiện có và tối đa hóa lợi ích của tính toán trong bộ nhớ, tạo cơ sở cho việc triển khai HDC trên các thiết bị biên, IoT và hệ thống tính toán tài nguyên hạn chế.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Thuật toán gradient thích ứng ngẫu nhiên và ứng dụng trong máy học
- Thiết kế bộ điều khiển trượt tầng và tối ưu bằng thuật toán di truyền cho hệ con lắc ngược đôi trên xe.
- Phần mềm nhận diện khuôn mặt ra vào Trung tâm dữ liệu.
- Adaptive Real-Time Fault Diagnosis of Rotating Machinery on Edge Devices Using Machine Learning
- Phân loại cảm xúc của người dùng dựa trên review sản phẩm
- Nghiên cứu mô hình hóa rủi ro lập lịch dự án sử dụng các ước lượng mức độ hoàn thành dự án
- Vietnamese-English Code-switching Speech Recognition
- Thiết kế mô hình phân loại hình ảnh tín hiệu ECG
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.