26:09视频长度是26:09。
CAEML使用机器学习研究在硬件设计和优化
克里斯•程惠普企业
先进的电子技术中心通过机器学习(CAEML)成立于2016年。的研究在现实应用程序中开始结出果实。我们将突出两个惠普企业使用CAEML研究成果的应用程序。
第一个是56克PAM渠道优化和训练加速使用主成分分析(PCA)和多项式混沌扩张(PCE)代理模型。56 g PAM并行转换器和一个通道不同损失测量和机器学习技术用于加速通道优化过程和正确模型并行转换器不使用任何模拟。
二是积极的硬件故障预测方法由CAEML使用机器学习技术。方法目前部署在现场主动删除驱动的领域以避免潜在的性能退化和数据丢失。
报告涵盖:
- CAEML的简要介绍
- 独特的应用机器学习的硬件设计不同于典型的CNN或LSTM神经网络应用程序
- 演示一个56 PAM并行转换器性能优化使用PCA和PCE代理模型
- 生产应用程序使用积极的硬件故障预测和随意推断去除坏的硬盘
- 未来的调查CAEML
CAEML研究者使用MATLAB®在应用程序开发过程中广泛和相关工具箱。例如,标准的MATLAB PCA包而定制的MATLAB代码被开发用于多项式混沌扩张代理模型和休闲推理特征选择功能。丰富的数学库允许快速开发原型的特殊功能。
记录:2019年11月6日
你们可以合理选择联合国网站web在liste如下:
优化器les表演du网站发表评论
倒优化器les表演du网站,selectionnez洛杉矶地区中国(en考点或英语)。Les网站de MathWorks倒变量支付不是优化倒Les visites provenant您的地区。