Над 4 милиона заглавия на английски и други езици! Открийте новата си история още днес! Безплатна доставка за поръчки над 69.99€

Проверка на състоянието на поръчката

Станете част от общност от любители на книгите от цял свят и получавате много предимства. Създай на безплатен акаунт

Безплатна доставка със Еконт над 69.99 €

Куриер Speedy 3.49 € Пункт на Speedy 3.49 € ЕКОНТ 3.99 € Еконтомат/Офис на Еконт 3.99 € Ekont Box 3.99 € Sameday 3.99 € Sameday box 3.99 € Box Now 3.99 €

Контакт

Как се пазарува?

Помощ

Моят акаунт

▸ Празна :-(

Embedded Machine Learning for Cyber-Physical, IoT, and Edge Computing

Name: Embedded Machine Learning for Cyber-Physical, IoT, and Edge Computing
Brand: Springer, Berlin
SKU: 46636742
Price: 90.52 EUR
Availability: InStock
Author: Sudeep Pasricha
ISBN: 9783031195709

Hardware Architectures

Sudeep Pasricha

Muhammad Shafique

Език

Английски език

Книга С меки корици

Код Либристо: 46636742

Издателство Springer, Berlin, ноември 2023

This book presents recent advances towards the goal of enabling efficient implementation of machine... Цялото описание

Код Либристо: 46636742

219 b

90.52 €

177.03 лв

Външен склад Изпращаме след 5-8 дни

30 дни за връщане на стоката

Клиентите са закупили също

Die Rede an die Tiere Val?re Novarina

С меки корици

13.56 € 26.53 лв

Arriba Santurce, Corazon Rumbero de Puerto Rico! Tierra de Grandes Percusionistas, Vol. 1 Miguel Mickeylopez Ortiz

С твърди корици

42.30 € 82.74 лв

You Are the Light: The Short Lives of Saints and Devotees of Recent Times. Svetlana S Deviatova

С меки корици

19.36 € 37.87 лв

Meine Märchen Oscar Wilde

С меки корици

8.23 € 16.09 лв

Die Baugeschichte der Sophienkirche in Sofia Galina Fingarova

С твърди корици

171.66 € 335.75 лв

PRAKTISCHES HANDBUCH DER INDUSTRIELLEN PHARMAZIE Pamula Reddy Bhavanam

С меки корици

41.53 € 81.22 лв

GRATITUDE LORRIANE ANDERSON

С твърди корици

10.61 € 20.75 лв

Die Kunst des professionellen Schreibens Howard S. Becker

С меки корици

25.11 € 49.11 лв

This book presents recent advances towards the goal of enabling efficient implementation of machine learning models on resource-constrained systems, covering different application domains. The focus is on presenting interesting and new use cases of applying machine learning to innovative application domains, exploring the efficient hardware design of efficient machine learning accelerators, memory optimization techniques, illustrating model compression and neural architecture search techniques for energy-efficient and fast execution on resource-constrained hardware platforms, and understanding hardware-software codesign techniques for achieving even greater energy, reliability, and performance benefits.