应该使用机器学习(ML)算法以最小的能量分析数百个两分钟长的心电信号的堆栈:
基于新的联邦创新机构(PSRIN-D)的概念，BMBF发起了三个试点创新比赛。其中一项任务是在ASIC或FPGA上开发最节能的AI系统作为硬件实现。因此，应该使用机器学习(ML)算法以最小的能量分析数百个两分钟长的ECG信号堆栈:患者是健康的还是记录显示房颤?众所周知，心房颤动是中风的常见原因。因此，一种节能且廉价的分析方法可以预防许多中风。
点击在这里获取更多信息。
评论＊
名字＊(注:此名称将公开显示)
电子邮件＊(不会公开展示)
Δ
虽然术语经常互换使用，但它们是具有不同挑战的非常不同的技术。
商业芯片市场仍在遥远的地平线上，但公司已经通过更有限的合作关系提前起步。
现有的工具可以用于RISC-V，但它们可能不是最有效或最高效的。还需要什么?
半导体制造业的关键支点和创新点。
较薄的光刻胶层、线糙和随机缺陷为埃芯片的生成带来了新的问题。
精度越低，功率就越低，但要做到这一点，标准是必须的。
新的应用需要对不同类型DRAM的权衡有深刻的理解。
在了解老化如何影响可靠性方面，汽车行业正在取得进展，但更多的变量使问题更难解决。
技术和业务挑战依然存在，但势头正在积聚。
一个处理器的验证要比一个同等大小的ASIC复杂得多，而RISC-V处理器将这一复杂性提升到了另一层。
新的内存标准增加了显著的好处，但它仍然昂贵且使用复杂。这种情况可能会改变。
业界似乎认为这是开放指令集架构的真正目标。
留下回复