Εξώφυλλο

Deep Reinforcement Learning Processor Design for Mobile Applications

This book discusses the acceleration of deep reinforcement learning (DRL), which may be the next step in the burst success of artificial intelligence (AI). The authors address acceleration systems which enable DRL on area-limited & battery-limited mobile devices. Methods are described that enabl...

Πλήρης περιγραφή

Αποθηκεύτηκε σε:
Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριοι συγγραφείς: Lee, Juhyoung (Συγγραφέας), Yoo, Hoi-Jun (Συγγραφέας)
Συγγραφή απο Οργανισμό/Αρχή: SpringerLink (Online service)
Μορφή: Ηλεκτρονική πηγή Ηλ. βιβλίο
Γλώσσα:Αγγλικά
Έκδοση: Cham : Springer Nature Switzerland : Imprint: Springer, 2023.
Έκδοση:1st ed. 2023.
Θέματα:
Electronic circuits.
Embedded computer systems.
Microprocessors.
Computer architecture.
Electronic Circuits and Systems.
Embedded Systems.
Processor Architectures.
Διαθέσιμο Online:https://doi.org/10.1007/978-3-031-36793-9
Ετικέτες: Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
Πίνακας περιεχομένων:
  • Introduction
  • Background of Deep Reinforcement Learning
  • Group-Sparse Training Algorithm for Accelerating Deep Reinforcement Learning
  • An Energy-Efficient Deep Reinforcement Learning Processor Design
  • Low-power Autonomous Adaptation System with Deep Reinforcement Learning
  • Low-power Autonomous Adaptation System with Deep Reinforcement Learning
  • Exponent-Computing-in-Memory for DNN Training Processor with Energy-Efficient Heterogeneous Floating-point Computing Architecture.

Παρόμοια τεκμήρια