1. Repositório PUCRS
  2. PUBLICAÇÕES CIENTÍFICAS
  3. Apresentação em Evento
Utilize este identificador para citar ou criar um atalho para este documento: https://hdl.handle.net/10923/17017
Registro Completo de Metadados
Campo DCValorIdioma
dc.contributor.authorMatheus Garay Trindade-
dc.contributor.authorRafael Fraga Garibotti-
dc.contributor.authorLuciano Ost-
dc.contributor.authorManon Letiche-
dc.contributor.authorJérôme Beaucour-
dc.contributor.authorRodrigo Possamai Bastos-
dc.date.accessioned2021-03-31T11:32:17Z-
dc.date.available2021-03-31T11:32:17Z-
dc.date.issued2020-
dc.identifier.urihttps://hdl.handle.net/10923/17017-
dc.language.isoen-
dc.relation.ispartofIEEE International conference on electronics, circuits & systems (ICECS 2020), 2020, Escócia.-
dc.rightsopenAccess-
dc.subjectRadiation-induced soft errors-
dc.subjectmachine learning algorithms-
dc.subjectlow-power processors-
dc.titleAssessment of Machine Learning Algorithms for Near-Sensor Computing Under Radiation Soft Errors-
dc.typeconferenceObject-
dc.date.updated2021-03-31T11:32:17Z-
Aparece nas Coleções:Apresentação em Evento

Arquivos neste item:
Arquivo Descrição TamanhoFormato 
Assessment_of_Machine_Learning_Algorithms_for_Near_Sensor_Computing_Under_Radiation_Soft_Errors.pdf933,72 kBAdobe PDFAbrir
Exibir
Ver em formato simples Ver estatísticas Busque outras versões desse texto via SFX


Todos os itens no Repositório da PUCRS estão protegidos por copyright, com todos os direitos reservados, e estão licenciados com uma Licença Creative Commons - Atribuição-NãoComercial 4.0 Internacional. Saiba mais.