47,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
  • Broschiertes Buch

Este libro se centra en la mejora de la resistencia de la memoria no volátil de acceso aleatorio (NVRAM) para aplicaciones de sistemas embebidos. Describe la metodología que combina algoritmos optimizados de aprendizaje automático basados en la predicción de la carga de trabajo y técnicas de compresión de datos para prolongar la vida útil de la NVRAM. El marco utiliza un modelo de compresión dinámica de patrones basado en instrucciones por ciclo para analizar y comprimir las cargas de trabajo, así como un modelo de aprendizaje adaptativo de energía híbrida de carga de trabajo para categorizar…mehr

Produktbeschreibung
Este libro se centra en la mejora de la resistencia de la memoria no volátil de acceso aleatorio (NVRAM) para aplicaciones de sistemas embebidos. Describe la metodología que combina algoritmos optimizados de aprendizaje automático basados en la predicción de la carga de trabajo y técnicas de compresión de datos para prolongar la vida útil de la NVRAM. El marco utiliza un modelo de compresión dinámica de patrones basado en instrucciones por ciclo para analizar y comprimir las cargas de trabajo, así como un modelo de aprendizaje adaptativo de energía híbrida de carga de trabajo para categorizar y comprimir aún más los datos para su almacenamiento. El libro ofrece una solución para mejorar la resistencia de la NVRAM, que es crucial para el rendimiento de los dispositivos integrados, abordando la predicción de la carga de trabajo y la compresión eficiente.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Autorenporträt
La Dra. J. P. Shritharanyaa, nacida en Tamilnadu (India), se licenció en Ingeniería Electrónica y de Comunicaciones y obtuvo un máster en Sistemas Integrados. También obtuvo un doctorado en Información y Comunicación en la Universidad Anna de Tamilnadu (India). Sus intereses de investigación incluyen el diseño de sistemas integrados, IoT y robótica.