基于百万级别阵列在读扰动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读扰动（Read Disturbance）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，基于百万级别阵列仿真生成。读扰动指小的读电流也可能在MTJ中引起磁干扰，导致磁方向翻转，由于读取电流是单向的，翻转只能发生在一个方向。传统MTJ的读电流方向与AP→P的写电流方向一致，本工作考虑读扰动的方向为AP→P。数据集记录了不同扰动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）。

搜集汇总

背景与挑战

背景概述

该数据集面向STT-MRAM存算一体硬件设计中读扰动对系统推理精度的影响，基于百万级别阵列仿真生成，记录了不同扰动比例下LeNet-5、AlexNet、VGG-11和ResNet-18等神经网络模型的推理准确率变化数据，适用于存储技术研发及神经网络鲁棒性分析。