AI嵌入式系统：算法优化与实现
全新正版 极速发货
￥ 53.72 5.4折 ￥ 99 全新
库存17件
广东广州
认证卖家担保交易快速发货售后保障
作者应忍冬,刘佩林
出版社机械工业出版社
ISBN9787111693253
出版时间2021-11
装帧平装
开本16开
定价99元
货号1202525369
上书时间2024-06-15
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
刘佩林，1965年9月生人，上海交通大学电子信息与电气工程学院教授，博士生导师。研究领域包括音视频、3D信号处理与智能分析；面向机器人的环境感知，人机交互，定位与导航；边缘计算等。自2017年起，任上海交通大学类脑智能应用技术研究中心主任。
目录
前言
第1章 绪论
1.1 AI嵌入式系统的概念与特点
1.2 机器学习在嵌入式系统中的实现
1.3 本书内容概述
第2章 嵌入式软件编程模式和优化
2.1 嵌入式软件编程模式
2.1.1 基于周期调用的运行模式
2.1.2 基于中断的前后台运行模式
2.1.3 基于事件队列的运行模式
2.1.4 带时间信息的事件队列运行模式
2.1.5 计算图运行模式
2.2 通用软件优化方法
2.2.1 循环结构优化
2.2.2 时间空间平衡
2.2.3 运算精度和性能平衡
2.2.4 底层运算的快速实现算法
2.2.5 内存使用优化
2.3 小结
参考文献
第3章 机器学习算法概述
3.1 高斯朴素贝叶斯分类器
3.1.1 原理概述
3.1.2 模型训练和推理
3.2 感知器
3.2.1 原理概述
3.2.2 模型训练和推理
3.3 SVM分类器
3.3.1 原理概述
3.3.2 模型训练和推理
3.4 决策树
3.4.1 原理概述
3.4.2 模型训练和推理
3.4.3 决策树分类器的代码实现
3.5 线性数据降维
3.5.1 原理概述
3.5.2 模型训练和推理
3.6 神经网络
3.6.1 原理概述
3.6.2 模型训练和推理
3.7 小结
参考文献
第4章 数值的表示和运算
4.1 浮点数
4.1.1 单精度和双精度浮点数
4.1.2 16位浮点数
4.2 定点数
4.2.1 定点数的二进制表示形式
4.2.2 定点数的运算
4.2.3 给定算法的定点化方法
内容摘要
本书介绍嵌入式系统中的机器学习算法优化原理、
设计方法及其实现技术。内容涵盖通用嵌入式优化技术，包括基于SIMD指令集的优化、内存访问模式优化、
参数量化等，并在此基础上介绍了信号处理层面的优化、AI推理算法优化及基于神经网络的AI算法训练一推理联合的优化理论与方法。其中信号处理层面优化介绍了基于线性代数的快速近似算法、基于多项式的快速卷积构造技术、基于数据二进制结构的快速乘法算法等；在AI推理层面，介绍了机器学习推理模型共性结构、运算图中各个算子的计算优化途径；对基于神经网络的AI算法，阐述了如何将推理阶段的运算量约束以及底层数据量化约束加入训练代价函数，从算法训练端减少运算量以提升AI嵌入式系统的运行效率。此外，本书还通过多个自动搜索优化参数并生成C代码的例子介绍了通用的嵌入式环境下机器学习算法自动优化和部署工具开发的基本知识，通过应用示例和大量代码说明了AI算法在通用嵌入式系统中的实现方法，力求让读者在理解算法的基础上，通过实践掌握高效的AI嵌入式系统开发的知识与技能。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价