Kursplan för

Realtids- och inbyggda system med tillämpningar mot maskininlärning
Real-time and Embedded Systems with Applications to Machine Learning

FRT160F, 5 högskolepoäng

Gäller från och med: Vårterminen 2017
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2017-02-09

Allmänna uppgifter

Avdelning: Reglerteknik
Kurstyp: Ren forskarutbildningskurs
Undervisningsspråk: Engelska

Syfte

Kursen ger överblick av moderna metoder för schemaläggning och hårdvaru-/mjukvarudesign för realtids- och inbyggda system. Särskilt fokus läggs på implementering av maskininlärningsalgoritmer i resursbegränsade system.

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden

Färdighet och förmåga

För godkänd kurs skall doktoranden

Kursinnehåll

Introduktion till realtids- och inbyggda system; Servrar för hantering av aperiodiska laster; Begränsad-preemption och elastisk schemaläggning; Flerkärning schemaläggning; Introduktion till maskininlärning och artificiell intelligens; Introduktion till hårdvaru-/mjukvaru-codesign och -avdelning; Neuromorfiska beräkningar med spikande neurala nätverk.

Kurslitteratur

Buttazzo, G.: Hard Real-Time Computing Systems. Springer, 2011.
En lista på forskningsrapporter kommer att tillhandahållas i kursen.

Kursens undervisningsformer

Undervisningsform: Föreläsningar

Kursens examination

Examinationsform: Skriftlig tentamen
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förutsatta förkunskaper: Grundläggande kunskaper om realtidssystem från t.ex. FRTN01 Realtidssystem.

Övrig information

Kursen ges i form av sex halvdagsföreläsningar och har en avslutande skriftlig tentamen.

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga:


Hemsida: http://www.control.lth.se/Education/DoctorateProgram/real-time-machine-learning.html


Fullständig visning