مقاله کنفرانسی سال ۱۴۰۵ فارسی

طراحی و پیاده سازی شتاب دهنده ASP برای استنتاج شبکه های عصبی عمیق بر روی FPGA با پشتیبانی از DVFS و پردازش پراکنده

چکیده مقاله

چکیده کامل این مقاله هنوز از منبع دریافت نشده است. اطلاعات کتاب‌شناختی و ارتباط‌های پژوهشی صفحه قابل استفاده‌اند و با تکمیل خزنده به‌روزرسانی می‌شوند.

کلیدواژه‌ها

نویسندگان

تصویر حسن زمردی

حسن زمردی

1-دانشجوی کارشناسی ارشد مهندسی برق، دانشگاه علم و صنعت ایران

تصویر رزومه علمی کاربران

رزومه علمی کاربران

درباره سیویلیکاتبلیغات در سیویلیکاآمار علمی ایرانتقویم علمی ایرانداده کاوی مقالاتطرح های پژوهشی

شیوه ارجاع

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید: زمردی، حسن و ایت اللهی، احمد،1405،طراحی و پیاده سازی شتاب دهنده ASP برای استنتاج شبکه های عصبی عمیق بر روی FPGA با پشتیبانی از DVFS و پردازش پراکنده،بیست و هشتمین کنفرانس ملی پژوهش های کاربردی در علوم برق، کامپیوتر و مهندسی پزشکی،شیروان،https://civilica.com/doc/2645997

ارائه‌شده در

پوستر مجموعه مقالات بیست و هشتمین کنفرانس ملی پژوهش های کاربردی در علوم برق، کامپیوتر و مهندسی پزشکی مجموعه مقالات بیست و هشتمین کنفرانس ملی پژوهش های کاربردی در علوم برق، کامپیوتر و مهندسی پزشکی31 خرداد 1405 · شیروان
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۵ ۲۲۳ مشاهده

ارائه چارچوبی کارا برای یادگیری فدرال مبتنی بر TinyML در دستگاه های لبه ای اینترنت اشیاء بارویکرد بهینه سازی مصرف انرژی

حریم خصوصییادگیری فدرالTinyML
مقاله کنفرانسی سال ۱۴۰۵ ۲۰۰ مشاهده

پردازش سیگنال های سونوگرافی با استفاده از تبدیل ویولت

پردازش سیگنالحذف نویزتبدیل موجک
مقاله کنفرانسی سال ۱۴۰۵ ۱۷۴ مشاهده

بهبود پروفیل ولتاژ در شبکه ۱۴ باسه IEEE با بهره گیری از باتری مقیاس بزرگ

باتری مقیاس بزرگپروفیل ولتاژمکان یابی
مقاله کنفرانسی سال ۱۴۰۵ ۱۶۱ مشاهده

تشخیص شدت کووید-۱۹ از تصاویر سی تی ریه با استفاده از یادگیری عمیق

یادگیری عمیقکووید-۱۹یادگیری انتقالی
مقاله کنفرانسی سال ۱۴۰۵ ۱۲۵ مشاهده

مروری بر کاربرد هوش مصنوعی در تحلیل تصاویر شبکیه برای تشخیص بیماری های عصبی

یادگیری عمیقتصاویر شبکیهOCT
مقاله کنفرانسی سال ۱۴۰۵ ۱۲۲ مشاهده

طبقه بندی داده های پزشکی با شبکه عصبی ترکیبی RBF-ELM و توابع فعال سازی متنوع بهینه شده به کمک الگوریتم ژنتیک

ماشین یادگیری افراطیتوابع فعال سازیالگوریتم ژنتیک