Bis zu 50 % günstiger als neu
3 Jahre rebuy Garantie
Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
Samyang
System & SpiegelreflexAlle anzeigen
CanonAlle anzeigen
FujifilmAlle anzeigen
OlympusAlle anzeigen
PanasonicAlle anzeigen
SonyAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
GoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Optimization of Spiking Neural Networks for Radar Applications

Muhammad Arsalan (Broschiert, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
This book offers a comprehensive exploration of the transformative role that edge devices play in advancing Internet of Things (IoT) applications. By providing real-time processing, reduced latency, increased efficiency, improved security, and scalability, edge devices are at the forefront of enabling IoT growth and success. As the adoption of AI on the edge continues to surge, the demand for real-time data processing is escalating, driving innovation in AI and fostering the development of cutting-edge applications and use cases. Delving into the intricacies of traditional deep neural network (deepNet) approaches, the book addresses concerns about their energy efficiency during inference, particularly for edge devices. The energy consumption of deepNets, largely attributed to Multiply-accumulate (MAC) operations between layers, is scrutinized. Researchers are actively working on reducing energy consumption through strategies such as tiny networks, pruning approaches, and weight quantization. Additionally, the book sheds light on the challenges posed by the physical size of AI accelerators for edge devices. The central focus of the book is an in-depth examination of SNNs' capabilities in radar data processing, featuring the development of optimized algorithms.
128,39 €
Broschiert | Neu

oder

Auf Lager Versandbereit in 2-3 Werktagen
zzgl.

Du kannst wie immer einen Kaufalarm setzen, wenn du auf das gebrauchte Buch warten möchtest.

Auf Lager Versandbereit in 2-3 Werktagen
zzgl.

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
02.09.2024
Sprache
Englisch
EAN
9783658453176
Herausgeber
Springer Fachmedien Wiesbaden GmbH
Sonderedition
Nein
Autor
Muhammad Arsalan
Seitenanzahl
209
Einbandart
Broschiert
Schlagwörter
Air writing, Energy Efficiency, Big Data, Artificial Intelligence, FMCW Radar, Edge Devices, Privacy Preservation, Gesture Sensing, Human Computer Interaction, Spiking Neural Networks, Sythetic Data Generation, Time series forecasting, Nengo, NengoDL, Frequency modulated continous wave (FMCW) radar, Human computer interface
Thema-Inhalt
UN - Datenbanken UYQ - Künstliche Intelligenz PBWH - Mathematische Modellierung
Höhe
210 mm
Breite
14.8 cm

Transparenz & Sicherheit

Hersteller: Springer Vieweg, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com, Springer Nature Customer Service Center GmbH

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!