Cantitate/Preț
Produs
Total produse
Vezi coșul
Next Generation Arithmetic de John Gustafson

Next Generation Arithmetic: Lecture Notes in Computer Science, cartea 13253

Editat de John Gustafson, Vassil Dimitrov
en Limba Engleză Paperback – 14 iul 2022
This book constitutes the refereed proceedings of the Third International Conference on Next Generation Arithmetic, CoNGA 2022, which was held in Singapore, during March 1–3, 2022. 
 
The 8 full papers included in this book were carefully reviewed and selected from 12 submissions. They deal with emerging technologies for computer arithmetic focusing on the demands of both AI and high-performance computing. 

Citește tot Restrânge

Din seria Lecture Notes in Computer Science

Preț: 36903 lei

Preț vechi: 46129 lei
-20%

Puncte Express: 554

Carte tipărită la comandă

Livrare economică 08-22 iulie
Livrare express 03-09 iunie pentru 4312 lei

Livrare prin curier în România Termenul estimat este afișat lângă disponibilitate.
Transport gratuit de la 40000 lei Plată online sau ramburs, în funcție de opțiunile comenzii.
Retur gratuit în 14 zile Comandă securizată și suport în română.
 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9783031097782
ISBN-10: 3031097785
Pagini: 144
Ilustrații: VII, 135 p. 47 illus., 34 illus. in color.
Dimensiuni: 155 x 235 x 9 mm
Greutate: 0.23 kg
Ediția:1st edition 2022
Editura: Springer
Colecția Lecture Notes in Computer Science
Seria Lecture Notes in Computer Science

Locul publicării:Cham, Switzerland

Cuprins

On the Implementation of Edge Detection Algorithms with SORN Arithmetic.- A Posit8 Decompression Operator for Deep Neural Network Inference.- Qtorch+: Next Generation Arithmetic for Pytorch Machine Learning.- ACTION: Automated Hardware-Software Codesign Framework for Low-precision Numerical Format SelecTION in TinyML.- MultiPosits: Universal Coding of Rn.- Comparing Different Decodings for Posit Arithmetic.- Universal⋆: Reliable, Reproducible, and Energy-Efficient Numerics.- Small reals representations for Deep Learning at the edge: a comparison.