Βιβλιογραϕία

195

[87] Lei Zhao and Zhonglin Zhang. A improved pooling method for convolutional

neural networks. Scientific Reports, 14(1):1589, 2024.

[88] Shiv Ram Dubey, Satish Kumar Singh, and Bidyut Baran Chaudhuri. Activation

functions

in

deep

learning:

A

comprehensive

survey

and

benchmark.

Neurocomputing, 503:92–108, 2022.

[89] Vinod Nair and Geoffrey E Hinton.

Rectified linear units improve restricted

boltzmann machines. In Icml, 2010.

[90] Andrew L Maas, Awni Y Hannun, Andrew Y Ng, et al. Rectifier nonlinearities

improve neural network acoustic models.

In Proc. icml, volume 30, page 3.

Atlanta, GA, 2013.

[91] Djork-Arné Clevert, Thomas Unterthiner, and Sepp Hochreiter.

Fast and

accurate deep network learning by exponential linear units (elus). arXiv preprint

arXiv:1511.07289, 2015.

[92] Sergey Ioffe and Christian Szegedy.

Batch normalization: Accelerating deep

network training by reducing internal covariate shift. In International conference

on machine learning, pages 448–456. PMLR, 2015.

[93] Nitish Srivastava, Geoffrey Hinton, Alex Krizhevsky, Ilya Sutskever, and Ruslan

Salakhutdinov.

Dropout:

a simple way to prevent neural networks from

overfitting. The journal of machine learning research, 15(1):1929–1958, 2014.

[94] Manar Abu Talib, Sohaib Majzoub, Qassim Nasir, and Dina Jamal. A systematic

literature

review

on

hardware

implementation

of

artificial

intelligence

algorithms. The Journal of Supercomputing, 77:1897–1938, 2021.

[95] Hyunbin Park and Shiho Kim.

Hardware accelerator systems for artificial

intelligence and machine learning. In Advances in Computers, volume 122, pages

51–95. Elsevier, 2021.

[96] Gianmarco Dinelli,

Gabriele Meoni,

Emilio Rapuano,

and Luca Fanucci.

Advantages and limitations of fully on-chip CNN FPGA-based hardware

accelerator.

In 2020 IEEE International Symposium on Circuits and Systems

(ISCAS), pages 1–5. IEEE, 2020.

[97] Hyeonseok Hong, Dahun Choi, Namjoon Kim, Haein Lee, Beomjin Kang,

Huibeom Kang, and Hyun Kim.

Survey of convolutional neural network