You hereby assure to have read and agree to our cookies and GDPR Disclaimer (Datenschutzerklärung). More info and Privacy policy. Got it!

Medical Systems Biology

You are here:  Teaching > WS2019/2020 > Hybridrechnen

Hybridrechnen

 
Dozent: Prof. Dr. Bernd Ulmann
 
Prof. Dr. Hans A. Kestler
Alexander Groß

Code: CS8797.000






Vorlesungszeiten und Ankündigung

  • Kompaktkurs
  • Blockveranstaltung: 17. Februar bis 28. Februar 2020 mit anschließender Projektarbeit
  • Beginn: Montag, 17. Februar, um 14:00 Uhr; ab Dienstag um 9:00 Uhr
  • Raum: O27/2203
 

Inhalt und Themen

Hybrid- und Analogrechner sind Technologien mit großem Potenzial für künftige Applikationen im Bereich des High- Performance Computing und des energieeffizienten Rechnens. Die Vorlesung stellt die grundlegenden Konzepte des Analog- und Hybridrechnens vor und stellt die Hauptunterschiede zur Verwendung von speicherprogrammierten Computern heraus. Die Studierenden erhalten eine Einführung in die Programmierung von Analogrechnern anhand von praktischen Beispielen.

  • Vorlesung (40 h):

Inhalte:

- Grundlagen des Analog- und Hybridrechnens
- Historie
- Aufbau eines Analog / Hybridrechners
- Die Mathematik des Analogrechnens
- Analogrechnen als Paradigma
- Anwendungen
- FPAAs

  • Übung (20 h):

Die Kompaktkurs Hybridrechnen beinhaltet eine tägliche Präsenzübung, in der die Studierenden ihre bearbeiteten Übungsblätter mit den Dozenten besprechen.

  • Vor-/Nachbereitung (60 h):

Die Vor- und Nachbereitung des Kompaktkurs Hybridrechnen wird auf etwa 60 Stunden geschätzt. Dieser Zeitraum beinhaltet das selbstständige bearbeiten der Übungsblätter und Aufarbeitung der Vorlesungsstoffes.

  • Projekt (60 h):
Die Kompaktkurs Hybridrechnen wird durch ein selbstständig zu bearbeitendes Projekt abgeschlossen, in dem die Studierenden das Erlernte anwenden sollen.
 

Buch

Analog and Hybrid Computer Programming

 

Folien

Hybridrechnen

 

Sonstiges

Firmware

 

 

 

 

 

 

 

Latest News

 

Our paper "Constraining classifiers in molecular analysis: invariance and robustness" has been published in Journal of the Royal Society Interface.

 

Our paper "Two-Stream Attention Network for Pain Recognition from Video Sequences" has been published in Sensors (Basel).