ISBN: 9783031406799 - embedded machine learning for cyber-physical, iot, and edge computing: use cases and emerging challenges (2 Ergebnisse)

ISBN: 
Mit der Detailsuche verfeinern

Optimieren Sie Ihre Suche

  • Bücher (2)

  • Neu (2)

bis

Benutzerdefinierte Preisspanne (EUR)

bis

  • Sprache: Englisch

    Verlag: Springer, 2024

    3031406796 / 9783031406799

    • Softcover

    Anbieter: preigu, Osnabrück, Deutschlandpreigu

    Verkäufer/-in mit 5 Sternen
    Verkäufer/-in kontaktieren

    Zustand: Neu

    EUR 131,40

    EUR 70,00 Versand 
    Versand von Deutschland nach USA

    Anzahl: 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, 2024

    3031406796 / 9783031406799

    • Softcover

    Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH

    Verkäufer/-in mit 5 Sternen
    Verkäufer/-in kontaktieren

    Zustand: Neu

    EUR 167,36

    EUR 35,00 Versand 
    Versand von Deutschland nach USA

    Anzahl: 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.…