本研究探讨了嵌入式深度神经网络中激活函数的选择，提出使用有界激活函数以提高模型对软错误的鲁棒性，同时保持准确性和计算效率，具有重要应用潜力。

本研究提出FT-Transformer模型，旨在解决高负载计算中的可靠性问题，特别是软错误对性能的影响。通过集成端到端容错注意力框架和混合容错方案，显著提升推理可靠性，实现最高7.56倍的速度提升。