Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Le modele flot de donnees applique A la Synthèse haut-niveau sur FPGA
Univ Europeenne - EAN : 9783639502176
Édition papier
EAN : 9783639502176
Paru le : 1 nov. 2018
45,90 €
43,51 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783639502176
- Réf. fournisseur : 2890800
- Editeur : Univ Europeenne
- Date Parution : 1 nov. 2018
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 228
- Format : H:229 mm L:152 mm E:13 mm
- Poids : 342gr
- Interdit de retour : Retour interdit
- Résumé : La synthèse de haut niveau (HLS) est un domaine de recherche qui vise à automatiser le passage de la description d'un algorithme à une représentation au niveau registre de celui-ci en vue de son implantation sur un circuit numérique. Si le problème reste à ce jour largement ouvert pour des algorithmes quelconques, des solutions ont commencé à voir le jour au sein de domaines spécifiques. Cette ouvrage traite de l'applicabilité du modèle flot de données au problème de la synthèse haut niveau dans le domaine du traitement d'images à travers deux exemples d'implantation d'applications de vision sur FPGA. Les applications, issues du domaine de l'apprentissage supervisé sont un système de classification à bases de machines à vecteurs supports (SVM) et un système de reconnaissance exploitant un réseau de neurones convolutionnels (CNN). Dans les deux cas, on étudie les problématiques posées par la reformulation, au sein du modèle flot de données, des structures de données et algorithmes associés ainsi que l'impact de cette reformulation sur l'efficacité des implémentations résultantes. Les expérimentations sont menées avec CAPH, un outil de HLS exploitant le modèle flot de données