Szanowni Klienci, z okazji święta państwowego w dniu dzisiejszym obsługa klienta będzie nieczynna. Na wszystkie wiadomości odpowiemy w najbliższym dniu roboczym. Dziękujemy za zrozumienie.

Ponad 4 miliony tytułów w języku angielskim i innych językach! Odkryj swoją nową historię już dziś!

Sprawdź status swojego zamówienia

Skontaktuj się z nami

Hardware-Aware Probabilistic Machine Learning Models

Name: Hardware-Aware Probabilistic Machine Learning Models
Brand: Springer Nature Switzerland AG
SKU: 9783030740412
Price: 339.05 PLN
Availability: InStock

Autor: Marian Verhelst, Wannes Meert

Język:

Oprawa: Twarda

Wydawca: Springer Nature Switzerland AG

Dostępność: Dostępna u dostawcy

Wysyłamy za 10-13 dni

339.05 zł

This book proposes probabilistic machine learning models that represent the hardware properties of t...

Informacje o książce

Autor

Marian Verhelst, Wannes Meert

Język

Angielski

Oprawa

Książka - Twarda

Data wydania

2021

strony

176

EAN

9783030740412

ISBN

3030740412

Enbook ID

36186665

Wydawca

Springer Nature Switzerland AG

Waga

436

Wymiary

160 x 241 x 15

Pełny opis

This book proposes probabilistic machine learning models that represent the hardware properties of the device hosting them. These models can be used to evaluate the impact that a specific device configuration may have on resource consumption and performance of the machine learning task, with the overarching goal of balancing the two optimally. The book first motivates extreme-edge computing in the context of the Internet of Things (IoT) paradigm. Then, it briefly reviews the steps involved in the execution of a machine learning task and identifies the implications associated with implementing this type of workload in resource-constrained devices. The core of this book focuses on augmenting and exploiting the properties of Bayesian Networks and Probabilistic Circuits in order to endow them with hardware-awareness. The proposed models can encode the properties of various device sub-systems that are typically not considered by other resource-aware strategies, bringing about resource-saving opportunities that traditional approaches fail to uncover.The performance of the proposed models and strategies is empirically evaluated for several use cases. All of the considered examples show the potential of attaining significant resource-saving opportunities with minimal accuracy losses at application time. Overall, this book constitutes a novel approach to hardware-algorithm co-optimization that further bridges the fields of Machine Learning and Electrical Engineering.

Najczęściej wyszukiwane

Categories

Authors

Publishers

Produkty

Produkty

Najczęściej wyszukiwane

Categories

Authors

Publishers

Produkty

Produkty

Hardware-Aware Probabilistic Machine Learning Models

Informacje o książce

Pełny opis

Możesz być zainteresowany

PICE POUR VIOLON ET PIANO

Coalition Navies during the Korean War

Poetic Works

TimeLess

North American Flora; Vol 17 Part 3

Lost on the Yellow Brick Road

Arianna Kelt and the Renegades of Time (Deluxe Edition, Wizards of Skyhall Book 2)

Life of God in the Soul of Man

World the Cold War Made

Platinum Rule for Sales Mastery

Klienci, którzy kupili tę książkę, kupili również

Avanza, creación de páginas Web

Englischsprachige Shakespeareparodien Des 20. Jahrhunderts

AMAZONIA EN LAS CURVAS DEL TIEMPO, LA

Pack mini-castors 72vols (juin 1997)

Ashita no Joe - Tome 01

Antecedentes y primeros pasos nacionalismo vasco Navarra (1878-1918)

Wielki projekt

GUIA PARA LA GESTION DE DOCUMENTOS ELECTRONICOS