Zobrazeno 1 - 10
of 182
pro vyhledávání: '"Pegios, M."'
Autor:
Tsakyridis, A., Moralis-Pegios, M., Giamougiannis, G., Kirtas, M., Passalis, N., Tefas, A., Pleros, N.
The recent explosive compute growth, mainly fueled by the boost of AI and DNNs, is currently instigating the demand for a novel computing paradigm that can overcome the insurmountable barriers imposed by conventional electronic computing architecture
Externí odkaz:
http://arxiv.org/abs/2312.00037
Autor:
Kirtas, M., Oikonomou, A., Passalis, N., Mourgias-Alexandris, G., Moralis-Pegios, M., Pleros, N., Tefas, A.
Publikováno v:
In Neural Networks November 2022 155:561-573
Autor:
Pickett-Heaps, C. A., Sunter, P., Cornish, A., Sharples, W., Pegios, M., Laugesen, R., Wilson, C.
Publikováno v:
EA National Conference Publications; 2023, p807-813, 7p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Littlejohns, Callum G., Sorel, Marc, Moralis-Pegios, M., Tsakyridis, A., Giamougiannis, G., Pappas, C., Kovaios, S., Moschos, T., Roumpos, I., Pleros, N.
Publikováno v:
Proceedings of SPIE; November 2023, Vol. 12794 Issue: 1 p127940O-127940O-9, 1151470p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Tsakyridis, A., Giamougiannis, G., Mourgias-Alexandris, G., Totovic, A., Dabos, G., Passalis, N., Kirtas, M., Tefas, A., Moralis-Pegios, M., Nikos Pleros
Publikováno v:
Scopus-Elsevier
Conference on Lasers and Electro-Optics
Conference on Lasers and Electro-Optics
We experimentally demonstrate a silicon photonic neuron that supports on-chip input-data and weight update rates at 16GHz. Its computational performance is evaluated via the classification of the MNIST dataset achieving a mean accuracy of 99.18%.
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::dbf99e53bf48047720acffe815fc332f
https://doi.org/10.1364/cleo_si.2022.sth5g.1
https://doi.org/10.1364/cleo_si.2022.sth5g.1