Revisiting 16-Bit Neural Network Training: A Practical Approach for Resource-Limited Learning
0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : us, kr. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Revisiting 16-Bit Neural Network Training: A Practical Approach for Resource-Limited Learning
- Date Crossref
- 22/11/2025
- Éditeur
- Springer Nature Singapore
- Type
- book-chapter
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Stony Brook University pays non établi dans la noticeUniversité ou école supérieure
-
SUNY Korea pays non établi dans la noticeUniversité ou école supérieure
-
Virginia Tech pays non établi dans la noticeUniversité ou école supérieure
-
State University of New York pays non établi dans la noticeUniversité ou école supérieure
Stony Brook University, SUNY Korea et Virginia Tech, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Numerical Methods and AlgorithmsMachine Learning and Data ClassificationAdvanced Neural Network Applications