Stochastic Computing: Techniques and Applications / Gross, Warren J. ; Gaudet, Vincent C.  

Público ISBD Ningún comentario para este registro. Título : 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. Idioma : Inglés (eng) Palabras clave: Circuitos electrónicos  diseño lógico  Probabilidades  Circuitos y sistemas electrónicos  Teoría de probabilidad Clasificación: 6.213.815 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 probabilística. En SC, los números reales se codifican mediante flujos de bits binarios aleatorios y la información se transmite en las estadísticas 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 Capítulos 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 Capítulos 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 síntesis. La última parte, que comprende los Capítulos 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). Tipo de medio : Computadora Summary : This book covers the history and recent developments of stochastic computing. Stochastic computing (SC) was first introduced in the 1960s for logic circuit design, but its origin can be traced back to von Neumann's work on probabilistic logic. In SC, real numbers are encoded by random binary bit streams, and information is carried on the statistics of the binary streams. SC offers advantages such as hardware simplicity and fault tolerance. Its promise in data processing has been shown in applications including neural computation, decoding of error-correcting codes, image processing, spectral transforms and reliability analysis. There are three main parts to this book. The first part, comprising Chapters 1 and 2, provides a history of the technical developments in stochastic computing and a tutorial overview of the field for both novice and seasoned stochastic computing researchers. In the second part, comprising Chapters 3 to 8, we review both well-established and emerging design approaches for stochastic computing systems, with a focus on accuracy, correlation, sequence generation, and synthesis. The last part, comprising Chapters 9 and 10, provides insights into applications in machine learning and error-control coding. 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. Idioma : Inglés (eng) Palabras clave: Circuitos electrónicos  diseño lógico  Probabilidades  Circuitos y sistemas electrónicos  Teoría de probabilidad Clasificación: 6.213.815 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 probabilística. En SC, los números reales se codifican mediante flujos de bits binarios aleatorios y la información se transmite en las estadísticas 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 Capítulos 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 Capítulos 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 síntesis. La última parte, que comprende los Capítulos 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). Tipo de medio : Computadora Summary : This book covers the history and recent developments of stochastic computing. Stochastic computing (SC) was first introduced in the 1960s for logic circuit design, but its origin can be traced back to von Neumann's work on probabilistic logic. In SC, real numbers are encoded by random binary bit streams, and information is carried on the statistics of the binary streams. SC offers advantages such as hardware simplicity and fault tolerance. Its promise in data processing has been shown in applications including neural computation, decoding of error-correcting codes, image processing, spectral transforms and reliability analysis. There are three main parts to this book. The first part, comprising Chapters 1 and 2, provides a history of the technical developments in stochastic computing and a tutorial overview of the field for both novice and seasoned stochastic computing researchers. In the second part, comprising Chapters 3 to 8, we review both well-established and emerging design approaches for stochastic computing systems, with a focus on accuracy, correlation, sequence generation, and synthesis. The last part, comprising Chapters 9 and 10, provides insights into applications in machine learning and error-control coding. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200