FPGA在实时机器学习中的应用｜硬件储备池计算机与图像处理｜Springer博士论文

报告摘要

本论文荣获Springer杰出博士论文奖，深入探讨FPGA在实时机器学习中的创新应用。核心内容包括：1) 提出基于FPGA的硬件储备池计算机架构，实现高效实时计算；2) 开发软件图像处理算法，提升系统性能；3) 结合理论与实验，展示FPGA在机器学习硬件加速中的潜力。适合AI硬件工程师、计算机视觉研究人员、机器学习学者及电子工程学生参考。

📋 核心要点(部分)

1. 引言与背景
2. FPGA技术概述
3. 实时机器学习系统架构
4. 硬件储备池计算机设计
5. 软件图像处理算法
6. 实验与结果
7. 结论与展望