基于固定故障条件下的神经网络的推理准确率数据

该数据集主要面向基于STT-MRAM的存算一体化硬件设计中固定故障（Stuck-at Fault）对系统推理精度的评估需求，适用于存储技术研发及神经网络鲁棒性分析。固定故障指由于制造工艺问题或者器件损坏，器件的阻值状态无法再发生改变，固定在高阻（stuck-at 0，SA0）或低阻（stuck-at 1，SA1）。数据集记录了不同阵列大小、故障比例下神经网络推理的准确率变化情况，涵盖多个神经网络模型（LeNet-5、AlexNet、VGG-11、ResNet-18、MobileNetV2）。

搜集汇总

背景与挑战

背景概述

该数据集针对STT-MRAM存算一体硬件中固定故障（Stuck-at Fault）对神经网络推理精度的影响进行评估，记录了不同阵列大小和故障比例下多种模型（LeNet-5、AlexNet、VGG-11、ResNet-18、MobileNetV2）的推理准确率变化情况，可用于存储技术研发与神经网络鲁棒性分析。