KI-Beratung Beta

  • Produktbild: Energy Efficiency and Robustness of Advanced Machine Learning Architectures
  • Produktbild: Energy Efficiency and Robustness of Advanced Machine Learning Architectures
- 28%

Energy Efficiency and Robustness of Advanced Machine Learning Architectures A Cross-Layer Approach

28% sparen

127,99 € UVP 179,00 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

14.11.2024

Abbildungen

169 SW-Abb., 169 SW-Fotos, 65 Tabellen

Verlag

Taylor & Francis

Seitenzahl

362

Maße (L/B/H)

24/16,1/2,4 cm

Gewicht

708 g

Sprache

Englisch

ISBN

978-1-03-285550-9

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

14.11.2024

Abbildungen

169 SW-Abb., 169 SW-Fotos, 65 Tabellen

Verlag

Taylor & Francis

Seitenzahl

362

Maße (L/B/H)

24/16,1/2,4 cm

Gewicht

708 g

Sprache

Englisch

ISBN

978-1-03-285550-9

EU-Ansprechpartner

Taylor & Francis Verlag GmbH
Kaufingerstraße 24
80331 München
DE
GPSR@taylorandfrancis.com

Herstelleradresse

Taylor & Francis Group
5 Howick Place
SW1P 1WG London
UK
GPSR@taylorandfrancis.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten Sie dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

Die Leseprobe wird geladen.
  • Produktbild: Energy Efficiency and Robustness of Advanced Machine Learning Architectures
  • Produktbild: Energy Efficiency and Robustness of Advanced Machine Learning Architectures
  • Chapter 01 Introduction Chapter 02 Background and Related Work Chapter 03 Hardware and Software Optimizations for Capsule Networks Chapter 04 Adversarial Security Threats for DNNs and CapsNets Chapter 05 Integration of Multiple Design Objectives into NAS Frameworks for CapsNets and DNNs Chapter 06 Efficient Optimizations for Spiking Neural Networks on Neuromorphic Hardware Chapter 07 Security Threats for SNNs on Discrete and Event-Based Data Chapter 08 Conclusion and Outlook Bibliography