9783031406799 - embedded machine learning for cyber-physical, iot, and edge computing: use cases and emerging challenges (2 Ergebnisse)
- Softcover
Anbieter: preigu, Osnabrück, Deutschlandpreigu
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 131,05
EUR 70,00 VersandVersand von Deutschland nach USAAnzahl: 5 verfügbar
Taschenbuch. Zustand: Neu. Embedded Machine Learning for Cyber-Physical, IoT, and Edge Computing | Use Cases and Emerging Challenges | Sudeep Pasricha (u. a.) | Taschenbuch | xv | Englisch | 2024 | Springer | EAN 9783031406799 | Verantwortliche Person für die EU: Springer Verlag GmbH, Tiergartenstr. 17, 69121 Heidelberg, juergen…[dot]hartmann[at]springer[dot]com | Anbieter: preigu.
Sprache: Englisch
Verlag: Springer Nature Switzerland, Springer Nature Switzerland 2024
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 149,79
EUR 64,40 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - This book presents recent advances towards thegoal ofenabling efficient implementation ofmachine learning models onresource-constrained systems, covering different application domains. Thefocus is onpresenting interesting and new use cases ofapplying… machine learning toinnovative application domains, exploring theefficient hardware design ofefficient machine learning accelerators, memory optimization techniques, illustrating model compression and neural architecture search techniques forenergy-efficient and fast execution on resource-constrained hardware platforms, and understanding hardware-software codesign techniques forachieving even greater energy, reliability, and performance benefits.Discusses efficient implementation ofmachine learning in embedded, CPS, IoT, and edge computing;Offers comprehensive coverage ofhardware design, software design, and hardware/software co-design and co-optimization;Describes real applications todemonstrate how embedded, CPS, IoT, and edge applications benefit frommachine learning.
