×

Message

EU e-Privacy Directive

This website uses cookies to manage authentication, navigation, and other functions. By using our website, you agree that we can place these types of cookies on your device.

You have declined cookies. This decision can be reversed.

Spannung pur am Tag der Robotik 2016

Im Robotiklabor geht das bunte Treiben wieder los! In allen Ecken wird gehämmert, geschraubt und gecoded. Neue Roboter werden zum Leben erweckt und die älteren Modelle wieder auf Vordermann gebracht. Roboterarme werden poliert, Gelenke frisch geschmiert und Servos neu kalibriert. Weitere Informationen finden Sie hier

Am 9. November 2016 um 16:15 Uhr wird Frau Prof. Barbara Wohlmuth, TU München, einen Vortrag zum Thema “The role of numerical analysis in multi-physics applications” im Rahmen des IWR-Colloquiums halten. 
Ort: COS (Centre for Organismal Studies), Im Neuenheimer Feld 230, 69120 Heidelberg, Lecture Hall (Room 00.005) / Ground Floor
 
Hier finden Sie die Einladung dazu: Download PDF
 

Näheres dazu hier.

www.myStipendium.de hilft Studierenden und Promovierenden kostenlos, die passenden Stipendien zu finden. Mit über 2.300 Fördermöglichkeiten von einem Gesamtwert von 610 Mio. €/Jahr ist myStipendium die größte Stipendiendatenbank in Deutschland. Stipendien gibt es nicht nur für Hochbegabte, Bedürftige oder Engagierte. Jeder kann ein Stipendium finden! myStipendium.de zeigt deshalb jedem Nutzer vollautomatisch alle Stipendien, die auf den eigenen Lebenslauf passen.

 In unmittelbarer Nähe des ZITI werden ab dem 15.08.16 Grabungen zur Beseitigung von Bomben aus dem 2. Weltkrieg durchgeführt. 

Im Zuge der Kampfmittelräumung kann es zu kurzfristigen Evakuierungen kommen. Auch Störungen des Betriebs und der Erreichbarkeit des ZITI sind möglich. Wir bitten um Verständnis!

Co-lead by Franz Pernkopf (Technical University of Graz) and Holger Fröning (ZITI)

Deep representation learning is one of the main factors for the recent performance boost in many image, signal and speech processing problems. This is particularly true when having big amounts of data and almost unlimited computing resources available. However, in real-world scenarios the computing infrastructure is often restricted and the computational requirements are not fulfilled.

In the DeepChip project, researchers from Technical University of Graz, Austria, and Ruprecht-Karls University of Heidelberg, Germany, have partnered to jointly explore algorithmic and architectural challenges when bringing the premise of Deep learning to resource-constrained processing like embedded systems and mobile chips. The key properties of interest are reducing the computational complexity of deep learning applications, and optimized performance in terms of execution time and energy consumption on embedded heterogeneous hardware while hiding heterogeneity from the user.

 

Subcategories

back to top