TÃtulo : |
Stochastic Computing: Techniques and Applications |
Tipo de documento: |
documento electrónico |
Autores: |
Gross, Warren J., ; Gaudet, Vincent C., |
Mención de edición: |
1 ed. |
Editorial: |
[s.l.] : Springer |
Fecha de publicación: |
2019 |
Número de páginas: |
XVI, 215 p. 133 ilustraciones, 34 ilustraciones en color. |
ISBN/ISSN/DL: |
978-3-030-03730-7 |
Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
Palabras clave: |
Circuitos electrónicos diseño lógico Probabilidades Circuitos y sistemas electrónicos TeorÃa de probabilidad |
Clasificación: |
|
Resumen: |
Este libro cubre la historia y los desarrollos recientes de la computación estocástica. La computación estocástica (SC) se introdujo por primera vez en la década de 1960 para el diseño de circuitos lógicos, pero su origen se remonta al trabajo de von Neumann sobre lógica probabilÃstica. En SC, los números reales se codifican mediante flujos de bits binarios aleatorios y la información se transmite en las estadÃsticas de los flujos binarios. SC ofrece ventajas como la simplicidad del hardware y la tolerancia a fallos. Su promesa en el procesamiento de datos se ha demostrado en aplicaciones que incluyen computación neuronal, decodificación de códigos de corrección de errores, procesamiento de imágenes, transformaciones espectrales y análisis de confiabilidad. Hay tres partes principales en este libro. La primera parte, que comprende los CapÃtulos 1 y 2, proporciona una historia de los desarrollos técnicos en la computación estocástica y una descripción general del campo para investigadores novatos y experimentados en computación estocástica. En la segunda parte, que comprende los CapÃtulos 3 a 8, revisamos enfoques de diseño emergentes y bien establecidos para sistemas de computación estocástica, con un enfoque en la precisión, la correlación, la generación de secuencias y la sÃntesis. La última parte, que comprende los CapÃtulos 9 y 10, proporciona información sobre las aplicaciones de aprendizaje automático y codificación de control de errores. |
Nota de contenido: |
Foreword: Gulak -- 1. Introduction to Stochastic Computing (Gaudet, Gross, Smith) -- 2. Origins of Stochastic Computing (Gaines) -- 3. Tutorial on Stochastic Computing (Winstead) -- 4. Accuracy and Correlation in Stochastic Computing (Alaghi, Ting, Lee, Hayes) -- 5. Synthesis of Polynomial Functions (Riedel, Qian) -- 6. Deterministic Approaches to Bitstream Computing (Riedel) -- 7. Generating Stochastic Bitstreams (Hsiao, Anderson, Hara-Azumi) -- 8. RRAM Solutions for Stochastic Computing (Knag, Gaba, Lu, Zhang) -- 9 Spintronic Solutions for Stochastic Computing (Jia, Wang, Huang, Zhang, Yang, Qu, et al.) -- 10. Brain-inspired computing (Onizawa, Gross, Hanyu) -- 11. Stochastic Decoding of Error-Correcting Codes (Leduc-Primeau, Hemati, Gaudet, Gross). |
Enlace de acceso : |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
Stochastic Computing: Techniques and Applications [documento electrónico] / Gross, Warren J., ; Gaudet, Vincent C., . - 1 ed. . - [s.l.] : Springer, 2019 . - XVI, 215 p. 133 ilustraciones, 34 ilustraciones en color. ISBN : 978-3-030-03730-7 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: |
Circuitos electrónicos diseño lógico Probabilidades Circuitos y sistemas electrónicos TeorÃa de probabilidad |
Clasificación: |
|
Resumen: |
Este libro cubre la historia y los desarrollos recientes de la computación estocástica. La computación estocástica (SC) se introdujo por primera vez en la década de 1960 para el diseño de circuitos lógicos, pero su origen se remonta al trabajo de von Neumann sobre lógica probabilÃstica. En SC, los números reales se codifican mediante flujos de bits binarios aleatorios y la información se transmite en las estadÃsticas de los flujos binarios. SC ofrece ventajas como la simplicidad del hardware y la tolerancia a fallos. Su promesa en el procesamiento de datos se ha demostrado en aplicaciones que incluyen computación neuronal, decodificación de códigos de corrección de errores, procesamiento de imágenes, transformaciones espectrales y análisis de confiabilidad. Hay tres partes principales en este libro. La primera parte, que comprende los CapÃtulos 1 y 2, proporciona una historia de los desarrollos técnicos en la computación estocástica y una descripción general del campo para investigadores novatos y experimentados en computación estocástica. En la segunda parte, que comprende los CapÃtulos 3 a 8, revisamos enfoques de diseño emergentes y bien establecidos para sistemas de computación estocástica, con un enfoque en la precisión, la correlación, la generación de secuencias y la sÃntesis. La última parte, que comprende los CapÃtulos 9 y 10, proporciona información sobre las aplicaciones de aprendizaje automático y codificación de control de errores. |
Nota de contenido: |
Foreword: Gulak -- 1. Introduction to Stochastic Computing (Gaudet, Gross, Smith) -- 2. Origins of Stochastic Computing (Gaines) -- 3. Tutorial on Stochastic Computing (Winstead) -- 4. Accuracy and Correlation in Stochastic Computing (Alaghi, Ting, Lee, Hayes) -- 5. Synthesis of Polynomial Functions (Riedel, Qian) -- 6. Deterministic Approaches to Bitstream Computing (Riedel) -- 7. Generating Stochastic Bitstreams (Hsiao, Anderson, Hara-Azumi) -- 8. RRAM Solutions for Stochastic Computing (Knag, Gaba, Lu, Zhang) -- 9 Spintronic Solutions for Stochastic Computing (Jia, Wang, Huang, Zhang, Yang, Qu, et al.) -- 10. Brain-inspired computing (Onizawa, Gross, Hanyu) -- 11. Stochastic Decoding of Error-Correcting Codes (Leduc-Primeau, Hemati, Gaudet, Gross). |
Enlace de acceso : |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
|  |