基于保持失效条件下的神经网络推理准确率数据

该数据集主要面向基于STT-MRAM的存算一体化硬件设计中保持失效（Retention Failure）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。保持失效指器件在一定时间后可能会失去数据保存能力，具体表现为MTJ发生阻值状态翻转。数据集记录了不同阵列大小、失效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

该数据集面向STT-MRAM存算一体化硬件设计，用于评估保持失效对系统推理精度的影响，适用于存储技术研发和神经网络鲁棒性分析。它记录了不同阵列大小和失效比例下多种神经网络模型（如LeNet-5、AlexNet、VGG-11、ResNet-18、MobileNetV2）的推理准确率变化情况。