44,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
22 °P sammeln
  • Broschiertes Buch

Ce livre se concentre sur l'amélioration de l'endurance de la mémoire vive non volatile (NVRAM) pour les applications de systèmes embarqués. Il décrit la méthodologie qui combine des algorithmes d'apprentissage automatique optimisés basés sur la prédiction de la charge de travail et des techniques de compression des données pour prolonger la durée de vie de la NVRAM. Le cadre utilise un modèle de compression dynamique basé sur les instructions par cycle pour analyser et compresser les charges de travail, ainsi qu'un modèle d'apprentissage adaptatif de l'énergie hybride de la charge de travail…mehr

Produktbeschreibung
Ce livre se concentre sur l'amélioration de l'endurance de la mémoire vive non volatile (NVRAM) pour les applications de systèmes embarqués. Il décrit la méthodologie qui combine des algorithmes d'apprentissage automatique optimisés basés sur la prédiction de la charge de travail et des techniques de compression des données pour prolonger la durée de vie de la NVRAM. Le cadre utilise un modèle de compression dynamique basé sur les instructions par cycle pour analyser et compresser les charges de travail, ainsi qu'un modèle d'apprentissage adaptatif de l'énergie hybride de la charge de travail pour catégoriser et compresser davantage les données pour le stockage. Le livre fournit une solution pour améliorer l'endurance de la NVRAM, qui est cruciale pour la performance des appareils embarqués, en abordant la prédiction de la charge de travail et la compression efficace.
Autorenporträt
J P Shritharanyaa est née à Tamilnadu, en Inde. Elle est titulaire d'une licence en ingénierie électronique et de communication et d'une maîtrise en systèmes intégrés. Elle a également obtenu un doctorat en information et communication à l'Université Anna, Tamilnadu, Inde. Ses recherches portent sur la conception de systèmes embarqués, l'IdO et la robotique.