Indiziert in
- Öffnen Sie das J-Tor
- RefSeek
- Hamdard-Universität
- EBSCO AZ
- OCLC – WorldCat
- Publons
- Internationale wissenschaftliche Indexierung
- Euro-Pub
- Google Scholar
Nützliche Links
Teile diese Seite
Zeitschriftenflyer
Open-Access-Zeitschriften
- Allgemeine Wissenschaft
- Biochemie
- Bioinformatik und Systembiologie
- Chemie
- Genetik und Molekularbiologie
- Immunologie und Mikrobiologie
- Klinische Wissenschaften
- Krankenpflege und Gesundheitsfürsorge
- Landwirtschaft und Aquakultur
- Lebensmittel & Ernährung
- Maschinenbau
- Materialwissenschaften
- Medizinische Wissenschaften
- Neurowissenschaften und Psychologie
- Pharmazeutische Wissenschaften
- Umweltwissenschaften
- Veterinärwissenschaften
- Wirtschaft & Management
Abstrakt
Deep Learning für winzige Geräte
Anudeepsekhar Bolimera
Der Vortrag soll einen aktuellen Überblick über das sich schnell entwickelnde Feld der Technologien für Deep Learning und künstliche Intelligenz für Mobilgeräte geben. Die Aktivierung von Deep Learning auf Mobilgeräten bietet mehrere Vorteile wie Datenschutz und schnellere Reaktionszeiten. Während traditionelle Berechnungsparadigmen hauptsächlich auf Cloud Computing und Konnektivität mit der Cloud beruhen, haben jüngste Durchbrüche auf diesem Gebiet zahlreiche mobile Anwendungen ermöglicht. Mobilgeräte sind durch Größe, Gewicht, Fläche und Stromverbrauch sowie ihre Rechenkapazitäten eingeschränkt. Der Autor geht auf bestimmte zentrale Herausforderungen bei der Bereitstellung von Deep Learning auf Mobilgeräten ein und möchte den aktuellen Stand der Technik bei Techniken und Algorithmen in Bezug auf Algorithmenoptimierungen präsentieren, die die Berechnung vereinfachen und gleichzeitig die Leistungsgenauigkeit beibehalten. Er möchte auch kurz verschiedene Anwendungen dieser Algorithmen in Branchen vorstellen, die von Robotik und Gesundheitswesen bis hin zu autonomem Fahren und Verteidigung reichen, und sie mit Implementierungen und Benchmarks unterstützen.