Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen:
Volltext verfügbar? / Dokumentlieferung
doi:10.22028/D291-46699 | Titel: | Deep Neural Network Representation for Explainable Machine Learning Algorithms: A Method for Hardware Acceleration |
| VerfasserIn: | Schauer, Julian Goodarzi, Payman Schütze, Andreas Schneider, Tizian |
| Sprache: | Englisch |
| Titel: | IEEE Instrumentation and Measurement Technology Conference |
| Verlag/Plattform: | IEEE |
| Erscheinungsjahr: | 2024 |
| Freie Schlagwörter: | edge computing hardware acceleration machine learning neural network |
| DDC-Sachgruppe: | 500 Naturwissenschaften |
| Dokumenttyp: | Konferenzbeitrag (in einem Konferenzband / InProceedings erschienener Beitrag) |
| DOI der Erstveröffentlichung: | 10.1109/I2MTC60896.2024.10560978 |
| URL der Erstveröffentlichung: | https://doi.org/10.1109/I2MTC60896.2024.10560978 |
| Link zu diesem Datensatz: | urn:nbn:de:bsz:291--ds-466994 hdl:20.500.11880/40942 http://dx.doi.org/10.22028/D291-46699 |
| ISBN: | 979-8-3503-8090-3 |
| Datum des Eintrags: | 8-Jan-2026 |
| Fakultät: | NT - Naturwissenschaftlich- Technische Fakultät |
| Fachrichtung: | NT - Systems Engineering |
| Professur: | NT - Prof. Dr. Andreas Schütze |
| Sammlung: | SciDok - Der Wissenschaftsserver der Universität des Saarlandes |
Dateien zu diesem Datensatz:
Es gibt keine Dateien zu dieser Ressource.
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.