Abich Early Soft Error Reliability Assessment of Convolutional Neural Networks Executing on Resource-Constrained IoT Edge Devices 9783031185984

Варианты приобретения

Цена: 11179.00р.
Кол-во:
Наличие: Поставка под заказ. Есть в наличии на складе поставщика.
Склад Америка: Есть
При оформлении заказа до: 2025-07-28
Ориентировочная дата поставки: Август-начало Сентября
При условии наличия книги у поставщика.

Добавить в корзину

в Мои желания

Автор: Abich
Название: Early Soft Error Reliability Assessment of Convolutional Neural Networks Executing on Resource-Constrained IoT Edge Devices
ISBN: 9783031185984
Издательство: Springer
Классификация:

Электротехническое машиностроение

Схемы и компоненты

Нейронные сети и нечеткие системы

ISBN-10: 3031185986
Обложка/Формат: Hardback
Страницы: 131
Вес: 0.47 кг.
Дата издания: 16.01.2023
Серия: Synthesis Lectures on Engineering, Science, and Technology
Язык: English
Издание: 1st ed. 2023
Иллюстрации: 75 tables, color; 44 illustrations, color; 3 illustrations, black and white; xv, 131 p. 47 illus., 44 illus. in color.
Размер: 240 x 168
Читательская аудитория: Professional & vocational
Основная тема: Engineering
Ссылка на Издательство: Link
Рейтинг:
Поставляется из: Германии
Описание: This book describes an extensive and consistent soft error assessment of convolutional neural network (CNN) models from different domains through more than 14.8 million fault injections, considering different precision bit-width configurations, optimization parameters, and processor models. The authors also evaluate the relative performance, memory utilization, and soft error reliability trade-offs analysis of different CNN models considering a compiler-based technique w.r.t. traditional redundancy approaches.
Дополнительное описание: Introduction.- Background in ML Models and Radiation Effects.- Related Works.- Soft Error Assessment Methodology.- Early Soft Error Consistency Assessment.- Soft Error Reliability Assessment of ML Inference Models executing on resource-constrained IoT edg

Early Soft Error Reliability Assessment of Convolutional Neural Networks Executing on Resource-Constrained IoT Edge Devices, Abich