iPhoneAlle anzeigen
iPhone 11iPhone 11 ProiPhone 11 Pro MaxiPhone 12iPhone 12 ProiPhone 12 Pro MaxiPhone 12 miniiPhone 13iPhone 13 ProiPhone 13 Pro MaxiPhone 13 miniiPhone 14iPhone 14 PlusiPhone 14 ProiPhone 14 Pro MaxiPhone 15iPhone 15 PlusiPhone 15 ProiPhone 15 Pro MaxiPhone 16iPhone 16 PlusiPhone 16 ProiPhone 16 Pro MaxiPhone 16eiPhone 8iPhone 8 PlusiPhone SE 2020iPhone SE 2022iPhone XiPhone XRiPhone XSiPhone XS Max
Galaxy A-SerieAlle anzeigen
Galaxy A12Galaxy A13Galaxy A13 5GGalaxy A14Galaxy A15Galaxy A16Galaxy A17Galaxy A17 5GGalaxy A20eGalaxy A21Galaxy A22Galaxy A23Galaxy A24Galaxy A25Galaxy A26 5GGalaxy A27 5GGalaxy A32Galaxy A33Galaxy A34Galaxy A35Galaxy A36 5GGalaxy A37Galaxy A40Galaxy A41Galaxy A42Galaxy A50Galaxy A51Galaxy A52Galaxy A53Galaxy A54Galaxy A55Galaxy A56 5GGalaxy A57 5GGalaxy A70Galaxy A71Galaxy A72
Redmi SeriesAlle anzeigen
Redmi 10Redmi 13CRedmi 15 5GRedmi Note 10Redmi Note 10 ProRedmi Note 11Redmi Note 11 ProRedmi Note 11 Pro Plus 5GRedmi Note 11sRedmi Note 12Redmi Note 12 5GRedmi Note 12 ProRedmi Note 12 Pro 5GRedmi Note 12 Pro PlusRedmi Note 13Redmi Note 13 5GRedmi Note 13 ProRedmi Note 13 Pro PlusRedmi Note 14Redmi Note 14 Pro PlusRedmi Note 15Redmi Note 15 5GRedmi Note 15 ProRedmi Note 15 Pro 5GRedmi Note 15 Pro Plus 5GRedmi Note 8 ProRedmi Note 9
- Startseite
Bücher Englische Bücher Wissen & Bildung Naturwissenschaft, Medizin, Informatik, Technik Informatik & EDV Betriebssysteme & Benutzeroberflächen Energy-Efficient Computing Architectures for Edge Multimodal AI
Derzeit nicht verfügbar
Handgeprüfte Gebrauchtware
Bis zu 50 % günstiger als neu
21 Tage Widerrufsrecht
Energy-Efficient Computing Architectures for Edge Multimodal AI
Xiaofeng Hou, Jiacheng Liu, Chao Li (Gebundene Ausgabe, Englisch)
Optischer Zustand
Beschreibung
This monograph addresses the critical efficiency gap between the theoretical accuracy of multimodal deep neural networks and their deployment cost on resource-constrained edge platforms. It identifies a common root cause—multi-layered "System Rigidity"—that leads to the crisis of "Dark Intelligence," where edge devices cannot sustain their theoretical AI capabilities due to strict thermal and… power limits. To dismantle this rigidity, the book pioneers the paradigm of Energy-Proportional Intelligence (EPI), ensuring that a system's energy consumption scales strictly in proportion to the intrinsic cognitive complexity of the input data. The book presents a comprehensive, full-stack approach: it begins with a novel benchmark suite (MMBench) that reveals physical workload characteristics and bottlenecks. It then introduces model-layer adaptive inference techniques (MMExit, MMBypass) that dynamically reduce computation, scheduling-layer runtime optimizations (CPM, A²) that manage power and heterogeneous accelerators under strict constraints, and architecture-layer modality gating designs (SMG, AMG) that proactively cut sensing and preprocessing costs. Readers will gain a cohesive cross-layer methodology and practical techniques to make multimodal systems accurate, fast, and energy-efficient on edge devices. Prerequisites include a graduate-level familiarity with computer architecture, operating systems, and machine learning. Dieses Produkt haben wir gerade leider nicht auf Lager.
Handgeprüfte Gebrauchtware
Bis zu 50 % günstiger als neu
21 Tage Widerrufsrecht
Technische Daten
Erscheinungsdatum
26.12.2026
Sprache
Englisch
EAN
9789819267996
Herausgeber
Springer Singapore
Sonderedition
Nein
Autor
Xiaofeng Hou, Jiacheng Liu, Chao Li
Seitenanzahl
213
Einbandart
Gebundene Ausgabe
Buch Untertitel
A Cross-Layer Approach to Adaptive Inference and Efficient System Design
Schlagwörter
Dark Intelligence, Multimodal Computing, Deep Neural Networks, Dynamic Inference, Early Exiting, DVFS, Heterogeneous accelerators, modality Gating, Edge AI, Power Management, Hardware-Software Co-Design, Energy-Proportional Intelligence
Thema-Inhalt
UL - Betriebssysteme
UYD - Systemanalyse und -design
UYQ - Künstliche Intelligenz
UYQM - Maschinelles Lernen
UK - Computerhardware
Höhe
235 mm
Breite
15.5 cm
Auf gebrauchten Artikeln oder Originalverpackungen sichtbare Umwelt-, Nachhaltigkeits- oder Zertifizierungsangaben stammen aus der ursprünglichen Herstellerkennzeichnung. Sie stellen keine eigene aktuelle Umwelt- oder Nachhaltigkeitsaussage von rebuy dar. Maßgeblich für das Angebot sind ausschließlich die von rebuy in der Artikelbeschreibung angegebenen Produkteigenschaften.
Transparenz & Sicherheit
Hersteller: Springer Nature Customer Service Center GmbH, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com
-.-
★★★★★
☆☆☆☆☆ Leider noch keine Bewertungen
Leider noch keine Bewertungen
Sicher bei rebuy kaufen
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!
Sicher bei rebuy kaufen