AI Hardware Modeling for Science and Performance Gains

Osterwind, Adrian (2025) AI Hardware Modeling for Science and Performance Gains. eda Barcamp, 2025-09-23 - 2025-09-24, Stuttgart. doi: 10.5281/zenodo.22113154.

PDF - Nur DLR-intern zugänglich
557kB

Kurzfassung

Es wird eine Latenzprediktion für Neuronale Netze auf eingebetteten Systemen vorgestellt. Diese soll genutzt werden, um Optimierung der Netze für die Zielplattform durchzuführen. Die Methodologie wurde initial für eingebettete GPU-Plattformen evaluiert und zeigt großes Potential.

elib-URL des Eintrags:

https://elib.dlr.de/226394/

Dokumentart:

Konferenzbeitrag (Poster)

Titel:

AI Hardware Modeling for Science and Performance Gains

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Osterwind, Adrian	adrian.osterwind (at) dlr.de	https://orcid.org/0000-0002-0752-8698	NICHT SPEZIFIZIERT

Datum:

23 September 2025

Referierte Publikation:

Nein

Open Access:

Nein

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

DOI:

10.5281/zenodo.22113154

Status:

veröffentlicht

Stichwörter:

Embedded AI, AI, Neural Networks, Embedded Systems, Optimization

Veranstaltungstitel:

eda Barcamp

Veranstaltungsort:

Stuttgart

Veranstaltungsart:

Andere

Veranstaltungsbeginn:

23 September 2025

Veranstaltungsende:

24 September 2025

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Verkehr

HGF - Programmthema:

Straßenverkehr

DLR - Schwerpunkt:

Verkehr

DLR - Forschungsgebiet:

V ST Straßenverkehr

DLR - Teilgebiet (Projekt, Vorhaben):

V - Reliable AI

Standort:

Oldenburg

Institute & Einrichtungen:

Institut für Systems Engineering für zukünftige Mobilität > System Evolution and Operation

Hinterlegt von:

Helms, Domenik

Hinterlegt am:

28 Aug 2026 10:48

Letzte Änderung:

28 Aug 2026 10:48

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags