Rezultati

eNauka >  Rezultati >  Floating Point and Fixed Point 32-bits Quantizers for Quantization of Weights of Neural Networks
Naziv: Floating Point and Fixed Point 32-bits Quantizers for Quantization of Weights of Neural Networks
Autori: Peric, Zoran  ; Savic, Milan  ; Dincic, Milan  ; Vucic, Nikola  ; Djosic, Danijel  ; Milosavljevic, Srdjan  
Godina: 2021
Publikacija: Proceedings: 12th International Symposium on Advanced Topics in Electrical Engineering (ATEE). March 25–27, 2021, Bucharest, Romania
ISSN: 1843-8571 Pretraži identifikator
Izdavač: Bucharest: Faculty of Electrical Engineering, University POLITEHNICA of Bucharest, Romania
Tip rezultata: Konferencijski rad
DOI: 10.1109/atee52255.2021.9425265
WoS-ID: 000676164800120
Scopus-ID: 2-s2.0-85106720063
URI: https://enauka.gov.rs/handle/123456789/781667
URL: https://www.researchgate.net/publication/351533582_Floating_Point_and_Fixed_Point_32-bits_Quantizers_for_Quantization_of_Weights_of_Neural_Networks
Projekat: Ministry of Education, Science and Technological Development, Serbia
Science Fund of the Republic of Serbia [6527104]
(AI-Com-in-AI)
Izvor metapodataka: (Preuzeto iz ORCID-a) Djosic, Danijel
Napomena: Пуни текст није јавно доступан; приступ је могућ уз куповину/претплату или на захтев ауторима.
Napomena o dostupnosti: Пуни текст није јавно доступан
M-kategorija: 
Mp kategorija će biti prikazana naknadno.

17
SCOPUSTM
2
OpenCitations
10
WEB OF SCIENCETM
Alt metrika
Dimensions
Unpaywall

Google ScholarTM

Rezultati na eNauka su zaštićeni autorskim pravima i sva prava su zadržana, osim ako nije drugačije naznačeno.