Αρχιτεκτονικές υλικού βασισμένες σε Deep Learning Processor Units (DPUs) και υλοποίηση σε FPGA
Η εδραίωση του Deep Learning τον 21ο αιώνα οδήγησε τον τομέα της τεχνητής νοημοσύνης σε μεγάλη άνθιση. Η ενασχόληση μεγάλου πλήθους ερευνητών σε ακαδημαϊκό και εταιρικό περιβάλλον με την βαθιά μάθηση, είχε ως συνέπεια την ανάπτυξη πολλών νέων αρχιτεκτονικών σχεδιασμού και τεχνολογιών υλικού. Η εξέλι...
Κύριος συγγραφέας: | Χρυσοβιτσάνος, Νικόλαος |
---|---|
Άλλοι συγγραφείς: | Chrysovitsanos, Nikolaos |
Γλώσσα: | Greek |
Έκδοση: |
2022
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/16536 |
Παρόμοια τεκμήρια
-
Επιτάχυνση υλικού για αναγνώριση θέσης μελών σώματος μέσω βαθιάς μάθησης
ανά: Καλλιγέρης Σκέντζος, Μιχαήλ Αθανάσιος
Έκδοση: (2022) -
Αρχιτεκτονικές υλικού για επιτάχυνση τεχνικών deep learning σε ενσωματωμένα συστήματα
ανά: Κόσσυφας, Σταύρος
Έκδοση: (2022) -
Επιταχυντές υλικού για νευρωνικά δίκτυα αναγνώρισης ανθρώπινων συναισθημάτων από εικόνες
ανά: Γρηγορίου, Γεώργιος
Έκδοση: (2022) -
Hardware acceleration of AI/deep learning applications for the RISC-V architecture
ανά: Λιάσος, Αλέξανδρος
Έκδοση: (2021) -
Σχεδιασμός επιταχυντή υλικού για προσομοίωση και εκπαίδευση spiking νευρωνικών δικτύων : υλοποίηση σε FPGA
ανά: Σακελλαρίου, Βασίλειος
Έκδοση: (2020)