UNITesi

Energy-Efficient Neuromorphic Hardware. Design and Optimization of Brain-Inspired Computing Paradigms for Spiking Neural Networks

CARPEGNA, ALESSIO
2025
12-set-2025
Inglese
Neuromorphic; Spiking Neural Networks; LIF; FPGA; Neuromorphic accelerators; Edge computing; Artificial Intelligence; Frugal AI; Electronic Design Automation; High-level synthesis; Design Space Exploration; Network Architecture Search; Hyperparameters Optimization; Continual Learning; Latent Replay; Edge Computing; Time Compression; Heart rate; Wrist; Biomedical monitoring ; Wearable devices ; Dementia
DI CARLO, STEFANO
SAVINO, ALESSANDRO
Politecnico di Torino
152
Politecnico di Torino
File in questo prodotto:
File Dimensione Formato  
Ph_D__Thesis___Alessio_Carpegna 3.pdf

accesso aperto

Licenza: Tutti i diritti riservati
Dimensione 8.64 MB
Formato Adobe PDF
Visualizza/Apri
8.64 MB Adobe PDF Visualizza/Apri
conv_summary.pdf

accesso aperto

Licenza: Tutti i diritti riservati
Dimensione 96.72 kB
Formato Adobe PDF
Visualizza/Apri
96.72 kB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/303743
Il codice NBN di questa tesi è URN:NBN:IT:POLITO-303743