Verbesserung der Ausdauer von nichtflüchtigen Speichern in eingebetteten Systemen
Basierend auf optimiertem maschinellem Lernen und Komprimierungstechniken
Versandkostenfrei!
Versandfertig in 6-10 Tagen
68,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Dieses Buch befasst sich mit der Verbesserung der Lebensdauer von nichtflüchtigen Speichern mit wahlfreiem Zugriff (NVRAM) für Anwendungen in eingebetteten Systemen. Es beschreibt die Methodik, die optimierte Algorithmen des maschinellen Lernens auf der Grundlage von Arbeitslastvorhersagen und Datenkomprimierungstechniken kombiniert, um die Lebensdauer von NVRAM zu verlängern. Das Framework nutzt ein auf Instruction Per Cycle basierendes Dynamic Pattern Compression-Modell zur Analyse und Komprimierung von Arbeitslasten sowie ein Workload Hybrid Energy Adaptive Learning-Modell zur Kategorisi...
Dieses Buch befasst sich mit der Verbesserung der Lebensdauer von nichtflüchtigen Speichern mit wahlfreiem Zugriff (NVRAM) für Anwendungen in eingebetteten Systemen. Es beschreibt die Methodik, die optimierte Algorithmen des maschinellen Lernens auf der Grundlage von Arbeitslastvorhersagen und Datenkomprimierungstechniken kombiniert, um die Lebensdauer von NVRAM zu verlängern. Das Framework nutzt ein auf Instruction Per Cycle basierendes Dynamic Pattern Compression-Modell zur Analyse und Komprimierung von Arbeitslasten sowie ein Workload Hybrid Energy Adaptive Learning-Modell zur Kategorisierung und weiteren Komprimierung von Daten für die Speicherung. Das Buch bietet eine Lösung zur Verbesserung der NVRAM-Ausdauer, die für die Leistung eingebetteter Geräte von entscheidender Bedeutung ist, indem es die Arbeitslastvorhersage und die effiziente Komprimierung berücksichtigt.
Andere Kunden interessierten sich für
